Apa Itu SimpleDesign dan Mengapa Berbeda
NARAWARTA.COM — Banyak model desain protein yang beredar sekarang bekerja lewat dua tahap terpisah. Pertama, model autoencoder dilatih untuk mengubah struktur protein menjadi representasi diskret atau "token". Baru setelah itu, model generatif dilatih di atas representasi tersebut untuk memproduksi sekuens dan struktur baru.
SimpleDesign memangkas tahap perantara itu. Model ini belajar langsung dari pasangan sekuens asam amino dan koordinat 3D, tanpa lebih dulu mengompres struktur protein ke representasi token terpisah.
Dalam studi mereka, peneliti Apple menulis:
"We hypothesize that this multi-stage training is not necessary to obtain performant co-design models and thus present SimpleDesign, an effective multi-modal protein design model trained directly in the data space."
Bagaimana Model Ini Dilatih
Proses pelatihan SimpleDesign terbilang tidak biasa. Peneliti memulai dengan lebih dari 2 juta pasangan sekuens dan struktur protein, yang sebagian besar diambil dari dataset AFESM. Dataset ini menggabungkan struktur prediksi dari AlphaFold Database dengan sejumlah sampel tambahan.
Saat pelatihan, kedua sisi pasangan sengaja dirusak. Asam amino dalam sekuens disembunyikan secara acak di balik token bertopeng, sementara struktur 3D-nya diberi noise. Tingkat kerusakan tiap sisi pun divariasikan.
Ketika sekuens dibiarkan hampir utuh tapi struktur banyak dirusak, tugasnya menyerupai protein folding: model harus memulihkan struktur dari sekuens yang diketahui. Sebaliknya, jika struktur hampir utuh tapi sekuens banyak ditutup, tugasnya menyerupai inverse folding, yakni menghasilkan sekuens yang bisa membentuk struktur tertentu. Ketika keduanya setengah rusak, model belajar mengerjakan dua persoalan itu sekaligus.
Hasil Benchmark dan Keterbatasannya
Menurut studi tersebut, SimpleDesign menorehkan hasil kompetitif di benchmark co-design protein, generasi struktur, dan generasi sekuens, meski pipeline pelatihannya jauh lebih sederhana. Peneliti juga menemukan model ini bisa menghasilkan struktur protein yang masuk akal, dengan kualitas sekuens asam amino setara atau lebih baik dari mayoritas model multimodal pesaing.
Ada catatan penting. Peneliti menegaskan hasil SimpleDesign masih terbatas pada evaluasi berbasis komputer. Protein yang dihasilkan belum diuji secara eksperimental untuk memastikan apakah benar-benar bisa melipat, berfungsi, atau berperilaku aman di sistem biologis nyata.
Kaitan dengan Riset SimpleFold Sebelumnya
SimpleDesign bukan proyek pertama Apple di jalur ini. September lalu, peneliti Apple menerbitkan studi "SimpleFold: Folding Proteins is Simpler than You Think" yang membahas pendekatan ringkas untuk memprediksi struktur 3D protein dari sekuens asam aminonya.
SimpleFold memakai flow-matching model untuk menghasilkan struktur 3D langsung dari sekuens. Teknik ini mulai dari basis acak yang berisik, lalu belajar jalur relatif langsung menuju hasil akhir. Pendekatan itu berbeda dari model difusi yang biasanya menghapus noise secara iteratif. Apple memadukan flow matching dengan blok Transformer general-purpose, sehingga model bisa menghindari teknik komputasi mahal yang lazim dipakai model folding seperti AlphaFold dari DeepMind.
SimpleDesign membawa semangat yang sama ke persoalan lebih luas: desain protein, bukan sekadar prediksi struktur 3D-nya.
Model ini paling relevan bagi peneliti bioinformatika dan tim pengembangan obat yang butuh pipeline desain protein lebih efisien secara komputasi. Untuk pengguna umum, hasilnya belum bisa dirasakan langsung karena masih tahap validasi komputer. Studi lengkap SimpleDesign bisa dibaca lewat tautan yang disediakan peneliti, memuat detail arsitektur, proses pelatihan, benchmark, dan hasilnya.
