پژوهشگران اپل از SimpleDesign رونمایی کردهاند؛ یک مدل هوش مصنوعی ساده و چندوجهی که میتواند توالیهای آمینواسیدی و ساختار سهبعدی پروتئینها را بهصورت مشترک تولید کند. این مدل ادامه رویکرد اپل برای استفاده از معماریهای سادهتر در مسائل مرتبط با پروتئینها است و بهجای فرایندهای چندمرحلهای رایج، مستقیماً روی دادههای توالی و ساختار آموزش میبیند.
🔹 هوش مصنوعی SimpleDesign مدل اپل برای طراحی همزمان توالی و ساختار پروتئین است.
🔹 این مدل بدون مرحله میانیِ تبدیل ساختار پروتئین به توکنهای مجزا، مستقیماً از دادههای اصلی استفاده میکند.
🔹 آموزش مدل با بیش از ۲ میلیون جفت توالی و ساختار پروتئین انجام شده است.
🔹 مدل SimpleDesign در آزمونهای طراحی پروتئین، تولید ساختار و تولید توالی، نتایجی رقابتی ارائه کرده است.
🔹 نتایج فعلاً فقط در ارزیابیهای رایانهای بررسی شدهاند و پروتئینهای تولیدشده آزمایش عملی نشدهاند.
این پروژه ادامه مسیری است که پژوهشگران اپل پیشتر با SimpleFold آغاز کردند. پژوهشگران اپل در سپتامبر ۲۰۲۵ مقالهای با عنوان «SimpleFold: Folding Proteins is Simpler than You Think» منتشر کردند که روشی سادهتر برای پیشبینی ساختار سهبعدی پروتئین از روی توالی آمینواسیدی آن را توضیح میداد.
SimpleFold با استفاده از یک مدل Flow Matching، ساختار سهبعدی پروتئین را مستقیماً از روی توالی آمینواسیدی تولید میکند. در این روش، مدل از یک مبنای تصادفی و پر از نویز شروع میکند و مسیر نسبتاً مستقیمی را تا رسیدن به نتیجه نهایی یاد میگیرد.
این رویکرد با مدلهای انتشار یا Diffusion تفاوت دارد؛ مدلهای انتشار معمولاً با حذف تدریجی نویز و تکرار این فرایند تا رسیدن به خروجی نهایی کار میکنند.
پژوهشگران اپل در SimpleFold، روش Flow Matching را با بلوکهای عمومی Transformer ترکیب کردند؛ معماریای که استفاده از آن در تولید متن رایج است. به این ترتیب، مدل میتوانست از برخی روشهای پرهزینه محاسباتی که معمولاً در مدلهای پیشبینی ساختار پروتئین، از جمله AlphaFold شرکت دیپمایند، استفاده میشوند، فاصله بگیرد.
اکنون SimpleDesign همین ایده سادهسازی معماریهای عمومی را از پیشبینی ساختار فراتر میبرد و آن را برای مسئله گستردهتر طراحی پروتئین به کار میگیرد.
مدل هوش مصنوعی SimpleDesign اپل
طبق مطالعه جدید اپل با عنوان «SimpleDesign: A Joint Model for Protein Sequence and Structure Codesign»، بسیاری از مدلهای طراحی پروتئین از یک فرایند آموزش چندمرحلهای استفاده میکنند.
در این رویکردها، ابتدا یک خودرمزگذار آموزش میبیند تا دادههای پروتئینی را به نمایشهای نهفته یا توکنهای گسسته تبدیل کند. سپس یک مدل مولد روی همین نمایش فشرده آموزش داده میشود تا توالیها و ساختارهای جدید را تولید کند.
SimpleDesign این مرحله میانی را حذف میکند. مدل مستقیماً از جفتهای شامل توالی آمینواسیدی و مختصات سهبعدی یاد میگیرد و نیازی ندارد ساختار پروتئین ابتدا به یک نمایش توکنشده جداگانه تبدیل شود.
پژوهشگران برای آموزش SimpleDesign از بیش از ۲ میلیون جفت توالی و ساختار پروتئین استفاده کردند. بخش عمده این دادهها از مجموعه AFESM گرفته شده است؛ مجموعهای که ساختارهای پیشبینیشده از پایگاه داده AlphaFold و نمونههای اضافی را ترکیب میکند.
در فرایند آموزش، هر دو بخش جفت دادهها دچار اختلال میشدند. بخشی از آمینواسیدهای موجود در توالی بهصورت تصادفی با توکنهای ماسکشده پنهان میشدند و همزمان به ساختار سهبعدی متناظر نیز نویز اضافه میشد.
میزان اختلال در توالی و ساختار نیز تغییر میکرد. اگر توالی تقریباً دستنخورده باقی میماند اما ساختار بهشدت دچار اختلال میشد، مسئله به پیشبینی تاخوردگی پروتئین شباهت پیدا میکرد؛ یعنی مدل باید ساختار را از روی توالی شناختهشده بازیابی میکرد.
در حالت برعکس، اگر ساختار عمدتاً سالم باقی میماند اما بخش بزرگی از توالی ماسک میشد، مسئله شبیه تاخوردگی معکوس بود. در این حالت، مدل باید توالیای تولید میکرد که بتواند ساختار دادهشده را ایجاد کند.
زمانی که هر دو بخش تا حدی دچار اختلال میشدند، مدل بهطور همزمان روی هر دو مسئله آموزش میدید و در نتیجه برای طراحی مشترک توالی و ساختار پروتئین آماده میشد.
بر اساس نتایج مطالعه، SimpleDesign با وجود استفاده از فرایند آموزشی بسیار سادهتر، در معیارهای ارزیابی مربوط به طراحی مشترک پروتئین، تولید ساختار و تولید توالی عملکردی رقابتی ارائه کرده است.
پژوهشگران همچنین دریافتند که این مدل قادر به تولید ساختارهای پروتئینی قابلقبولی است. توالیهای آمینواسیدی تولیدشده نیز در مجموع عملکردی مشابه یا بهتر از توالیهای تولیدشده توسط بیشتر مدلهای چندوجهی رقیب داشتند.
با وجود نتایج امیدوارکننده، پژوهشگران تأکید کردهاند که ارزیابی SimpleDesign تاکنون به آزمایشهای رایانهای محدود بوده است.
پروتئینهای تولیدشده در محیط آزمایشگاهی بررسی نشدهاند؛ بنابراین هنوز مشخص نیست این پروتئینها در سامانههای زیستی واقعی واقعاً تا میخورند، عملکرد مورد انتظار را دارند یا از نظر رفتار در سیستمهای زیستی ایمن هستند.
SimpleDesign رویکرد سادهتری برای طراحی همزمان توالی و ساختار پروتئین ارائه میدهد و با حذف مراحل میانی رایج، مستقیماً از دادههای توالی و ساختار آموزش میبیند. نتایج اولیه در ارزیابیهای رایانهای امیدوارکننده هستند، اما نبود آزمایشهای عملی روی پروتئینهای تولیدشده باعث میشود هنوز نتوان درباره عملکرد واقعی آنها در محیطهای زیستی قضاوت کرد.
به نظر شما حذف مراحل میانی در مدلهای طراحی پروتئین تا چه اندازه میتواند به توسعه مدلهای هوش مصنوعی کارآمدتر در این حوزه کمک کند؟
