这种方法是简单，运算量小，但相对的应用也比较狭窄，比如一个新发现的病毒蛋白，它的预测准确性就有点不够看了。
金毛是基于机器学习的方法预测的，大概就和大数据一样，让AI大量的学习，然后对蛋白进行预测。
这种方法是运算量大，应用面也比较宽，但同样就是只能重复，而不能创新。
德毛他们是用基于物理原理的方法去预测的，大概就是划定一个蛋白的定义，然后去预测，这种方法适用面宽，但准确性反而是不行的。
而曾女士和考神看上的这个团队，则是用从头算方法搞蛋白结构预测。
这种方法，早期来看，尼玛没有任何的优点，全是缺点。
首先运算量巨大，比如进行分子动力学模拟时，为了获得较为准确的结果，需要很小的时间步长（飞秒级），并且模拟时间尺度要足够长。
这就需要大量的计算资源，包括高性能的计算机集群甚至超级计算机。
这些还是一个必须条件，这玩意不光要数学家，还要精通力学的物理学家。分子和分子之间是有力的，因为力的不同，就会造成力场的不准确性。
然后力场不同在构象搜索过程中可能会出现问题。
内容未完，下一页继续阅读