蘋果研究團隊據報發表 SimpleDesign，以單一端對端流程共同生成蛋白質序列與 3D 結構

據科技新報 AI 報導，Apple 機器學習研究團隊發表論文〈SimpleDesign: A Joint Model for Protein Sequence and Structure Codesign〉，提出可在單一端對端流程中同時生成蛋白質序列與 3D 結構的模型；研究主張，捨棄先訓練結構自動編碼器、再於潛在空間訓練生成模型的多階段流程，也能達到與現有模型相當的水準。 SimpleDesign 延續 Apple 於 2025 年 9 月發表的 SimpleFold。SimpleFold 以流程匹配搭配通用 Transformer 區塊，從胺基酸序列預測蛋白質 3D 結構；SimpleDesign 則直接從配對的胺基酸序列與 3D 座標學習，序列使用離散交叉熵、結構使用迴歸目標，並以 Transformer 多模態骨幹結合模態專屬處理與全域自注意力。 模型主要以 AFESM 資料集訓練，資料涵蓋 200 萬組以上的序列與結構配對。訓練時，研究人員會以遮罩 token 隱藏部分胺基酸，並對結構加入不同程度的雜訊；序列完整、結構受損時近似蛋白質摺疊，結構完整、序列大量遮蔽時近似逆摺疊，兩側同時受損則訓練共同設計能力。 報導稱，SimpleDesign 在共同設計、結構生成與序列生成基準測試中具競爭力，產生的胺基酸序列品質多半不遜於、甚至優於多數多模態競爭模型，單一訓練流程也可望降低資源需求。不過目前結果僅來自電腦模擬，尚未經實驗驗證生成蛋白質能否正確摺疊、發揮功能或在生物系統中安全運作；單階段方法能否擴展至更大型蛋白質與更複雜的設計任務，論文也未處理。