同时，作为数字人民币指定运营机构的六大国有银行的合作方也随之得以亮相，包括京东、美团、哔哩哔哩（B站）、滴滴出行、善融商务等互联网公司。

　　许东教授也认为，机器学习的方法不会完全取代实验。

　　他表示，现在计算预测的准确度并不能保证每一个结构都预测的非常准，特别是在已知的结构库中完全没有相似结构的，预测的结果不是很准。

　　“在一些很关键的蛋白，特别是要大规模设计药物的蛋白上，我认为还是需要做实验，因为对结构预测的精度更高。”

　　而且，在一些特殊的实验结构解析中，传统方法仍然受用。

　　许东教授认为，施一公、颜宁这些生物学学者所做的一些更为细致的研究，不是仅靠蛋白结构预测就能取代，这其中包括蛋白质的功能、机理、修饰、相互作用、动力学属性等等，还是需要大量实验工作。但是很多一般的实验结构解析，确实没有必要存在了。

　　AlphaFold的两个过人之处

　　从昨天开始，AlphaFold已经成为圈内圈外，生物学、非生物学人士的“现象级话题”。

　　尽管很多人发出惊呼之声，但是，如果高度概括一下，AlphaFold的创新之处，你会提炼出哪几个关键词？

　　根据目前DeepMind在CASP14会议上公布的技术方案，应该有两点。

　　首先，是注意力机制的引入。

　　注意力机制的引入，解决了如何更好地从多序列对齐（multiplesequencealignment数据中提取特征以指导结构预测的问题。

　　在此之前，较为主流的方案是从多序列对齐数据中提取共进化信息，但DeepMind通过对比发现这种人工设计的特征提取会丢失部分关键信息，而通过引入注意力机制可以较好地解决这一问题。

　　同时，注意力机制也应用在了迭代更新序列-残基和残基-残基相互作用的过程中，从而以迭代的方式得到更为准确的距离预测与三维结构。

　　许东教授表示，注意力机制确实在蛋白结构预测方面上了一个台阶。“AlphaFold可以把氨基酸之间的距离整合成三维结构。因为他们的算力很多，两年前他们虽然方法和别人几乎是一样的，预测的距离却准的多，在CASP里做得很好。”

　　但是，许教授认为，AlphaFold今年真正的创新之处在于利用了注意力机制，可以把氨基酸之间的距离预测问题更为全局、整体的解决，同时对每一对距离的预测可靠性有更好的评价，从而看出什么预测距离更靠谱，让其在蛋白三维结构重建中发挥更大作用。