Apple utvecklar SimpleFold – lättviktig AI för proteinfällning

Att förstå hur proteiner veckar sig är avgörande för allt från läkemedelsutveckling till materialforskning. Men de mest avancerade AI-modellerna är ofta dyra och resurskrävande. Nu presenterar Apple SimpleFold – en lättviktig modell som kan ge nästan samma precision till en bråkdel av kostnaden. Att beräkna ett proteins tredimensionella struktur kunde tidigare ta månader eller år. Med AlphaFold2 och andra toppmodeller som RoseTTAFold och ESMFold går det idag på timmar eller minuter. Problemet är att dessa metoder bygger på komplicerade, kostsamma beräkningar – ofta med förprogrammerade biologiska antaganden som multipla sekvensjämförelser och triangulära uppdateringar. Apple väljer i stället att bygga på så kallade flow matching-modeller, en vidareutveckling av de diffusionsmodeller som använts inom text-till-bild och 3d-generering. Tekniken går direkt från brus till färdigt resultat utan att passera många tunga beräkningssteg, rapporterar 9to5Mac. Forskarna tränade SimpleFold i flera storlekar, från 100 miljoner till tre miljarder parametrar, och testade på etablerade benchmark som CAMEO22 och CASP14. Resultaten visar att SimpleFold når över 95 procent av prestandan hos AlphaFold2 och RoseTTAFold2, trots att den inte använder de kostsamma metoder som dessa modeller bygger på. Även den minsta modellen, SimpleFold-100M, nådde över 90 procent av ESMFold:s nivå – med fördelen att vara snabbare och mer resurseffektiv både vid träning och användning. Apple betonar att SimpleFold är ett första initiativ och hoppas att det kan inspirera forskarvärlden att utveckla mer effektiva generativa modeller för proteinforskning. Läsare som varit med ett tag kanske kommer ihåg att Sony Playstation 3 var med i ett av dessa projekt, Folding at Home.