SimpleDesign：蛋白质序列与结构协同设计的联合模型
内容提要
SimpleDesign是一种多模态蛋白质设计模型，无需多阶段训练，直接在数据空间端到端训练，结合序列交叉熵与结构回归目标，采用Transformer多模态骨干，在超200万序列-结构对上训练，在协同设计和无条件生成任务上表现优异。
延伸解读
单阶段训练的优势
SimpleDesign采用单阶段端到端训练，直接在数据空间进行，避免了传统多阶段方法中先训练自编码器再训练生成模型的复杂性。这种设计简化了训练流程，可能减少误差累积，并提高模型整体效率。
多模态骨干设计
模型使用基于Transformer的多模态骨干，允许对序列和结构进行模态特定处理，同时保持全局自注意力。这种设计能有效捕捉两种模态间的复杂关系，提升协同设计性能。
性能与数据规模
在超过200万序列-结构对上训练，SimpleDesign在协同设计和无条件生成任务上表现出竞争力。这表明大规模数据训练结合单阶段目标，足以实现高性能，无需多阶段预训练。
Q&A
SimpleDesign是什么？
SimpleDesign是一种多模态蛋白质设计模型，无需多阶段训练，直接在数据空间端到端训练，结合序列交叉熵与结构回归目标，采用Transformer多模态骨干，在超200万序列-结构对上训练，在协同设计和无条件生成任务上表现优异。
SimpleDesign与传统蛋白质设计模型在训练方式上有何不同？
传统模型通常采用多阶段训练：先训练自编码器将数据标记为潜在表示，再在潜在空间训练生成模型。而SimpleDesign假设多阶段训练并非必要，它采用单阶段端到端目标，直接在数据空间训练，结合序列的离散交叉熵和结构的回归目标。
SimpleDesign的模型架构有什么特点？
SimpleDesign采用基于Transformer的多模态骨干网络，允许模态特定的处理，同时在两种模态上保持全局自注意力。
SimpleDesign使用了什么训练目标？
SimpleDesign使用单阶段端到端目标，结合了序列的离散交叉熵和结构的回归目标。
SimpleDesign在哪些任务上表现优异？
SimpleDesign在协同设计（co-design）和无条件序列/结构生成基准上均取得了有竞争力的性能。
SimpleDesign的训练数据规模有多大？
SimpleDesign在超过200万个序列-结构对上进行了训练。
