Los investigadores de Apple han presentado SimpleDesign, un nuevo modelo de IA que genera secuencias de proteínas y estructuras 3D en un solo proceso de entrenamiento end-to-end. Basándose en el estudio SimpleFold de septiembre pasado — que utilizó flujo de coincidencia con bloques Transformer para predecir estructuras de proteínas de manera más eficiente que modelos como Deep Mind's AlphaFold — SimpleDesign extiende este enfoque simplificado al desafío más amplio del diseño de proteínas. Los modelos tradicionales de co-diseño suelen requerir entrenamiento multi-etapa: primero tokenizando las estructuras en representaciones discretas mediante autoencodificadores, luego entrenando modelos generativos en esos espacios latentes.

SimpleDesign evita esto aprendiendo directamente de pares de secuencias de aminoácidos y coordenadas 3D. El modelo se entrenó en más de 2 millones de pares secuencia-estructura principalmente del conjunto de datos AFESM, que combina predicciones de la base de datos AlphaFold con muestras adicionales. Durante el entrenamiento, los investigadores corrompieron tanto las secuencias (mediante tokens enmascarados) como las estructuras (mediante ruido añadido) en diversos niveles, permitiendo que el modelo maneje el plegamiento de proteínas, el plegamiento inverso y las tareas simultáneas de co-diseño.

Este enfoque unificado elimina los pasos intermedios de tokenización, potencialmente reduciendo la complejidad computacional manteniendo el rendimiento.