，
国内大多数是搞基于序列比对方法的，大概意思就是明确一个蛋白，然后用这个蛋白做模板做出类似的蛋白预测。
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。
比如能量曲面（描述蛋白质构象与能量关系的曲面）可能会因为力场误差而变得崎岖不平，存在很多局部极小值。这会导致在搜索蛋白质的全局最小能量构象（即最稳定结构）时，容易陷入局部最优解，而错过真正的稳定结构。
大概意思就是最优秀的但未必是最准确的。
所以这玩意很多科学家甚至国家都觉得这种方式方法有点不可取，或者说不被看好。
但，现在这个小团队考神看好，张凡也看好。
张凡看好，是因为他在系统内发现未来的预测方式是从头算方法来弄的。
至于考神，他虽然没有系统，但他对于科研的理解和其他人不一样。
他虽然不会这种科研，但他能一下就明白这种科研的最基底层的东西。
他就像是一个美食家，你让他做饭，他蒸米饭放多少水都把握不好。
但你让他说菜肴好吃不好吃，他绝对比厨子都清楚。
这种人，一般医院真没用，但在茶素，人家现在重要的开一些科研会议，他都是从列席到参会了。
而这种从头算的优势极其巨大。
不说其他的，光一个对于没有已知同源结构的蛋白质（即所谓的“孤儿蛋白”），从头算方法是非常重要的手段。
因为同源建模等方法依赖于已有的模板结构，当没有合适的模板时就无法有效进行，而从头算方法不受此限制，能够从基本的物理和化学原理出发来预测蛋白结