蛋白質常常形成復合物進行運作，以協同完成生物機體的各項鞏固走。雖然其中一些相互作用得到了很好的深入研究，但許多蛋白復合體工作機制仍然成謎。直到最近，構建相互作用組的一個主要障礙是許多蛋白質結構的不確定性，這是科學家半個世紀以來一直試圖解決的問題。2020 年和 2021 年，一家名為 DeepMind 的公司和 Baker 博士的實驗室分別獨立發布了名為 AlphaFold（bioart報道：Nature 亮點丨精確預測蛋白結構可以依賴Google嗎？DeepMind團隊開發新型深度學習算法精確預測蛋白結構）和 RoseTTAFold的兩項 AI 技術，它們使用不同的策略根據產生蛋白質的基因序列準確預測蛋白質結構。
來自德克薩斯州西南醫學中心的Qian Cong博士和華盛頓大學David Baker博士領導了一個國際團隊，他們使用人工智能 (AI) 和共進化來預測生物體內會直接相互作用的真核生物蛋白質，并且構建了這些蛋白復合物的三維結構。11月11日，這項研究發表在Science雜志上，題為Computed structures of core eukaryotic protein complexes。研究發現了 100 多對此前未知的可能相互作用的蛋白復合體，并構建了700 多個已知的相互作用蛋白的三維結構。
在本項研究中，叢博士、Baker 博士和他們的同事將這些用于蛋白單體結構預測的 AI 工具的應用范圍擴展到預測蛋白質復合物的結構，以及在整個蛋白質組的范圍內預測那些可能在細胞內相互作用的蛋白質。在這篇文章中，他們將這些方法應用在了酵母中，因為酵母是重要的真核模式生物，大量的關于酵母中蛋白相互作用的實驗數據可以用來衡量他們結果的準確性。他們的工作發現了 1,505 種可能的蛋白質復合物。其中 699 個的三維結構已經被實驗方法解析過，驗證了他們方法的實用性。然而，700 個預測的蛋白復合物的三維結構未知，另外 106 個從未被描述過。
為了從這些未被仔細研究過或未知的蛋白-蛋白相互作用中學到新的關于蛋白質功能的知識，華盛頓大學和西南醫學中心的團隊與世界各地正在研究這些蛋白質的科學家合作。結合當前研究中生成的 三維結構模型，這些合作在很多方面深化了我們對于生物體的認知，包括DNA的轉錄翻譯和修復，細胞的構建，細胞內組分的運輸，細胞中重要分子的合成。此外，他們還發現了一些功能已知蛋白質和功能未知蛋白質之間的相互作用，為以后研究這些位置蛋白打下了基礎。
這項研究結果,和由DEEPMIND引領的在單體蛋白結構預測領域的重大突破，預示著結構生物學進入了一個新時代，計算在其中發揮著重要作用。這樣的方法可以進一步應用到人類蛋白上。識別人類細胞中未知的蛋白質復合物并預測它們的結構，可能會為許多疾病提供新的治療方法。在不遠的將來，結合學術界長期積累的實驗數據和人工智能的方法，科學家們將可以準確的預測一個生物體內所有蛋白之間的相互作用，所有蛋白復合體的三維結構，他們把這個叫做“蛋白相互作用組學”。完整的“相互作用組”將闡明生物學的許多基本問題，并且這些蛋白相互作用的界面可能是在未來提供大量新藥物的靶點。