Pesquisadores da Apple apresentaram o SimpleDesign, um novo modelo de IA que gera sequências de proteínas e estruturas 3D em um único processo de treinamento end-to-end. Baseando-se no estudo SimpleFold de setembro passado — que utilizou o flow-matching com blocos Transformer para prever estruturas de proteínas de forma mais eficiente do que modelos como o AlphaFold da Deep Mind — o SimpleDesign estende essa abordagem simplificada para o desafio mais amplo do design de proteínas. Os modelos tradicionais de co-design geralmente exigem treinamento em múltiplos estágios: primeiro tokenizando as estruturas em representações discretas por meio de autoencodificadores, depois treinando modelos generativos nesses espaços latentes.

O SimpleDesign contorna isso aprendendo diretamente a partir de pares de sequências de aminoácidos e coordenadas 3D. O modelo foi treinado em mais de 2 milhões de pares sequência-estrutura principalmente do conjunto de dados AFESM, que combina as previsões do banco de dados AlphaFold com amostras adicionais. Durante o treinamento, os pesquisadores corromperam tanto as sequências (por meio de tokens mascarados) quanto as estruturas (por meio de ruído adicionado) em vários níveis, permitindo que o modelo lide com o dobramento de proteínas, o dobramento inverso e tarefas simultâneas de co-design.

Essa abordagem unificada elimina as etapas intermediárias de tokenização, potencialmente reduzindo a complexidade computacional mantendo o desempenho.