SimpleFold: Folding Proteins is Simpler than You Think

SimpleFold论文总结与核心部分翻译

一、文章主要内容总结

SimpleFold是由苹果公司团队提出的首个基于流匹配（flow-matching）的蛋白质折叠模型，核心是摒弃传统蛋白质折叠模型中复杂的领域特定架构，仅采用通用Transformer模块实现高性能蛋白质结构预测。

1. 研究背景与动机

传统蛋白质折叠模型（如AlphaFold2、RoseTTAFold）依赖复杂的领域特定设计（如多序列比对MSA、成对表示、三角形更新），这些设计虽能提升性能，但存在计算成本高、部署不灵活等问题。而生成模型在计算机视觉等领域的成功（如文本到图像、文本到3D生成）表明，通用架构可能在蛋白质折叠任务中具备潜力，因此研究团队探索用通用Transformer构建蛋白质折叠模型。

2. 模型核心设计

• 架构设计：仅使用带自适应层的标准Transformer模块，包含轻量级原子编码器/解码器（对称结构）和重量级残基主干网络，通过“分组-重组”操作实现原子级与残基级特征的转换，无需成对表示、三角形更新等复杂模块。
• 训练方法：基于流匹配生成目标训练，将蛋白质折叠视为“氨基酸序列到3D原子结构”的条件生成任务，通过线性插值将噪声逐步转换为蛋白质结构；同时引入LDDT损失（局部距离差异测试损失）优化原子级局部结构精度，并采用时间步重采样策略（向接近真实数据的时间步t=1倾斜）提升侧链原子结构建模质量。