חלבון הוא שרשרת של חומצות אמינו המתקפלת במרחב לצורה תלת-ממדית מסוימת, והצורה הזו היא שקובעת את תפקידו בגוף. קריאת הרצף קלה יחסית; קביעת הצורה קשה מאוד, ובמשך עשורים דרשה שיטות מעבדה יקרות ואיטיות כמו קריסטלוגרפיית קרני רנטגן. הבעיה — לחזות את הצורה מן הרצף בלבד — נחשבה לאחד האתגרים הפתוחים הגדולים של הביולוגיה החישובית, עם השלכות ישירות על תכנון תרופות ועל הנדסת אנזימים.
מאז 1994 נמדד התחום בתחרות דו-שנתית בשם CASP, שבה קבוצות מתחרות מקבלות רצפים שמבנם כבר נקבע במעבדה אך טרם פורסם, כך שאי אפשר לשנן אותו מראש. בתחרות ה-13, ב-2018, הציגה DeepMind את AlphaFold, שהגיע למקום הראשון עם ציון חציוני של 58.9 במטרות הקשות ביותר, לעומת 52.5 אצל הבאים אחריו. בתחרות ה-14, ב-2020, הציגה את AlphaFold 2, שהשיג ציון דיוק חציוני של 92.4 מתוך 100 והגיש תחזיות ל-88 מתוך 97 מטרות — רמה הנחשבת קרובה לדיוקה של מדידה במעבדה.
ההשפעה המעשית נבעה מן ההפצה לא פחות מן הדיוק. מסד הנתונים AlphaFold Protein Structure Database נפתח ביולי 2021, וביולי 2022 הורחב לכ-200 מיליון מבני חלבונים מכמיליון מינים, וקוד המודל שוחרר בקוד פתוח. ב-2024 הוענק פרס נובל לכימיה, במחציתו, לדמיס הסאביס ולג'ון ג'מפר על חיזוי מבנה חלבונים, ובמחציתו לדיוויד בייקר על תכנון חלבונים חישובי.
המודל אינו פותר הכול. הדיוק יורד באזורים בלתי מסודרים של החלבון, וכן בחלבונים סינתטיים שאין להם דמיון למה שהמודל ראה באימון. כשחלבון מורכב מכמה מקטעים המחוברים במחברים גמישים, מבנהו של כל מקטע נחזה היטב, אך מיקומם היחסי זה מול זה עלול להיות שגוי לגמרי. המודל גם אינו מתחשב באילוצים כמו מישור קרום התא, ואינו מתאר את מגוון הצורות שחלבון יחיד עשוי לקבל.
במאי 2024 הוצג AlphaFold 3, המרחיב את החיזוי גם למכלולים של חלבון עם DNA, RNA, יונים ומולקולות קושרות — בדיוק סוג האינטראקציה הרלוונטי לתכנון תרופות, ולא רק צורתו של חלבון בודד.