颠覆性范式！苹果发布首个基于流匹配的蛋白质折叠模型SimpleFold，大幅简化架构设计

主要观点总结

本文介绍了苹果研究团队提出的基于流匹配的蛋白质折叠模型SimpleFold，该模型使用通用Transformer层，无需特定架构设计，就能将蛋白质序列映射到其完整三维原子结构。文章还介绍了SimpleFold的核心模块、训练目标、实验评估结果以及在不同场景的应用优势。

关键观点总结

关键观点1: 蛋白质折叠模型的新突破

自AlphaFold2以来，蛋白质折叠模型取得突破。苹果研究团队提出的SimpleFold模型，基于流匹配技术，使用通用Transformer层，无需特定架构设计，实现了蛋白质序列到三维结构的映射。

关键观点2: SimpleFold的核心模块与训练目标

SimpleFold包括轻量级原子编码器与解码器、残差主干网络三大核心模块，采用简化的流匹配训练目标，辅以LDDT损失函数进行训练。这种简化使模型规模和训练数据量级的同步扩展成为可能。

关键观点3: 实验评估结果

SimpleFold在CAMEO22、CASP14基准测试中表现出色，证明了其泛化能力、稳健性及原子级精度。此外，SimpleFold还能生成不同构象的集合，这一能力在ATLAS数据集上的比较结果中得到验证。

关键观点4: SimpleFold的优势与应用场景

SimpleFold具有灵活的适配性和高效推理特性，适用于不同计算资源场景。大规模模型SimpleFold-3B在标准折叠任务中具竞争优势，轻量级SimpleFold-100M模型则适用于计算资源受限的场景。