قدم باحثو أبل SimpleDesign، نموذج ذكاء اصطناعي جديد يولد تسلسلات البروتينات والهياكل ثلاثية الأبعاد في عملية تدريب end-to-end واحدة. بناءً على دراسة SimpleFold التي أُجريت في سبتمبر الماضي — والتي استخدمت مطابقة التدفق مع كتل محول لتوقع هياكل البروتينات بكفاءة أكبر من نماذج مثل AlphaFold التابعة لـ Deep Mind — يوسع SimpleDesign هذا النهج المبسط إلى التحدي الأوسع لتصميم البروتينات. عادةً ما تتطلب نماذج التصميم المشترك التقليدية تدريبًا متعدد المراحل: أولًا ترميز الهياكل إلى تمثيلات منفصلة عبر مُشفِّرات التلقائي، ثم تدريب النماذج التوليدية على تلك المساحات الكامنة. يتجاوز SimpleDesign هذا من خلال التعلم مباشرة من أزواج تسلسلات الأحماض الأمينية المتزاوجة والإحداثيات ثلاثية الأبعاد. تم تدريب النموذج على أكثر من 2 مليون زوج تسلسل-هيكل principalement من مجموعة بيانات AFESM، والتي تجمع بين تنبؤات قاعدة بيانات AlphaFold وعينات إضافية. أثناء التدريب، أفسد الباحثون كلًا من التسلسلات (من خلال الرموز المقنعة) والهياكل (من خلال الضوضاء المضافة) على مستويات مختلفة، مما مكن النموذج من التعامل مع طي البروتينات، وطي البروتينات العكسي، ومهام التصميم المشترك المتزامن. يزيل هذا النهج الموحد خطوات الترميز الوسيطة، مما قد يقلل التعقيد الحسابي مع الحفاظ على الأداء.