苹果公布 SimpleDesign 蛋白质设计模型，可联合生成序列与三维结构

苹果公司研究人员于本月初公开了一款名为SimpleDesign的蛋白质设计模型，相关学术论文以预印本形式发表在arxiv平台上。

这一模型可以同步生成蛋白质的氨基酸序列及其三维立体结构，它直接在原始数据上进行训练，跳过了传统多阶段训练中所需的中间表示转换步骤。

研究论文指出，当前不少蛋白质联合设计模型需要先训练自编码器，把蛋白质结构转化为离散的潜在表示，随后再训练生成模型来处理这些表示。而SimpleDesign则直接利用氨基酸序列和连续的三维坐标进行端到端训练。

这项研究延续了苹果之前SimpleFold项目的技术路径。SimpleFold借助流匹配模型，依据氨基酸序列直接预测蛋白质的三维结构。SimpleDesign将这种简化架构扩展到蛋白质设计领域，不仅预测结构，还尝试同时生成能形成相应结构的氨基酸序列。

研究团队采用了超过200万组蛋白质序列与结构配对数据，这些数据主要来自AFESM数据集。该数据集整合了AlphaFold数据库中的预测结构以及其他样本。在训练过程中，模型会随机遮盖氨基酸序列中的部分内容，并对对应的三维结构添加噪声。

通过调整序列和结构的破坏程度，模型能学习不同的蛋白质任务。当序列基本完整而结构受到较大干扰时，任务类似于蛋白质折叠，即根据已知序列恢复结构；当结构基本完整而序列被大量遮盖时，则类似于逆折叠，即生成能形成指定结构的氨基酸序列。

当序列与结构同时受到部分破坏时，模型需要联合处理两类信息，从而学习蛋白质序列与结构的协同设计。

IT之家解释：蛋白质折叠是指氨基酸链形成特定三维结构的过程，逆折叠则是根据目标结构寻找可能对应的氨基酸序列。

研究结果显示，SimpleDesign在蛋白质联合设计、结构生成和序列生成等基准测试中表现出了竞争力。研究人员还发现，该模型能生成形态合理的蛋白质结构，生成的氨基酸序列整体质量与多数竞品多模态模型相当或更优。

不过，论文目前只报告了计算机评估结果。研究团队尚未通过实验验证生成蛋白质能否实际折叠、发挥功能或在生物系统中安全运行，因此这些结果还不能直接证明模型设计出的蛋白质具备实际应用能力。