Les chercheurs d'Apple ont présenté SimpleDesign, un nouveau modèle d'IA qui génère simultanément des séquences de protéines et des structures 3D dans un seul processus d'entraînement de bout en bout. S'appuyant sur l'étude SimpleFold de septembre dernier — qui utilisait le matching de flux avec des blocs Transformer pour prédire les structures de protéines de manière plus efficace que des modèles comme AlphaFold de Deep Mind — SimpleDesign étend cette approche rationalisée au défi plus large de la conception de protéines. Les modèles traditionnels de co-conception nécessitent généralement un entraînement en plusieurs étapes : d'abord la tokenisation des structures en représentations discrètes via des autoencodeurs, puis l'entraînement de modèles génératifs sur ces espaces latents.

SimpleDesign évite cette étape en apprenant directement à partir de paires de séquences d'acides aminés et de coordonnées 3D. Le modèle a été entraîné sur plus de 2 millions de paires séquence-structure principalement provenant du jeu de données AFESM, qui combine les prédictions de la base de données AlphaFold avec des échantillons supplémentaires. Pendant l'entraînement, les chercheurs ont corrompu à la fois les séquences (via des jetons masqués) et les structures (via du bruit ajouté) à différents niveaux, permettant au modèle de gérer le repliement des protéines, le repliement inverse et les tâches de co-conception simultanées.

Cette approche unifiée élimine les étapes intermédiaires de tokenisation, pouvant réduire la complexité computationnelle tout en maintenant les performances.