在线教程｜算力成本骤降！苹果基于流匹配方法，推出蛋白质折叠模型 Ml-simplefold

2025 年 9 月，苹果公司推出了轻量级蛋白质折叠预测 AI 模型 Ml-simplefold 。作为第一个基于流匹配的蛋白质折叠模型，在 CAMEO22 和 CASP14 等权威基准测试中，SimpleFold 在降低计算成本后，仍显示出与 AlphaFold2、RoseTTAFold2 等顶尖模型相当的性能。同时其小规模版本 SimpleFold-100M 的表现同样具有竞争力。

传统的蛋白质折叠模型虽然精度可观，但依赖大量领域特定的架构设计与手工特征。模型中常用的三角更新模块、显式对表示机制及多重训练目标使训练算力成本高昂，同时架构、硬件缺乏可扩展性，难以支持多样化结构的生成或集成预测。

针对传统方法的通用型缺陷，SimpleFold 提出了一个纯基于 Transformer 的通用生成式框架，打破了蛋白质折叠模型对复杂架构的依赖：

* 基于流匹配（Flow Matching）技术，跳过多序列比对（MSA）等复杂模块，直接从随机噪声生成蛋白质的三维结构，大幅降低计算成本；

* 采取摒弃三角更新和对表示等特定模块的通用架构，仅使用标准 Transformer，并通过自适应层增强结构感知能力；

* 加入结构约束，使模型在生成蛋白质三维结构时具备更高的灵活性与物理一致性，在 9M 结构数据上训练的 3B 参数模型可在消费级硬件上流畅运行，大幅降低计算门槛。

「Ml-simplefold：轻量级蛋白质折叠预测 AI 模型」现已上线 HyperAI超神经官网（hyper.ai）的「教程」板块，一键运行即可体验最新的蛋白质生成工具～

教程链接：

https://go.hyper.ai/cppGG

1. 在浏览器输入网址 hyper.ai，进入首页后，点击「教程」页面，并选择「基于流匹配的蛋白质折叠模型」，点击「在线运行此教程」。

2. 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。

3. 选择「NVIDIA RTX A6000 48GB」以及「PyTorch」镜像，并点击「继续执行」。OpenBayes 平台提供了 4 种计费方式，大家可以按照需求选择「按量付费」或「包日/周/月」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！

   
   

HyperAI超神经专属邀请链接（直接复制到浏览器打开）：

https://openbayes.com/console/signup?r=Ada0322_NR0n

4.等待分配资源，首次克隆需等待约 2 分钟左右的时间。当状态变为「运行中」后，点击「打开工作空间」即可跳转至 Demo 页面。

以下为 Ml-simplefold 使用页面，点击「README」即可跳转至生成界面。

在对应区域分别输入氨基酸参数说明，点击运行，即可得到预测的蛋白质文件、全原子结构和与 GT 结构合并的 3D 可视化图像。

以上就是 HyperAI超神经本期推荐的教程，欢迎大家前来体验！

教程链接：

https://hyper.ai/cn/tutorials/44955