蛋白质折叠，一直是计算生物学中的一个核心难题，并对药物研发等领域产生着深远影响。 若把蛋白质折叠类比为视觉领域的生成模型，氨基酸序列相当于「提示词」，模型输出则是原子的三维坐标。 受此思维启发，研究人员构建了一个基于标准Transformer模块与自适应层的通用且强大的架构——SimpleFold。 论文地址：https://arxiv.org/abs/2509.18480 SimpleFold和AlphaFold2等经典的蛋白质折叠模型有哪些不同？ AlphaFold2、RoseTTAFold2通过融合复杂且高度专业化的架构，如三角更新、成对表示、多序列比对（MSA）。 这些设计往往是将我们对结构生成机制的已有理解「硬编码」到模型中，而不是让模型自己从数据中学习生成方式。 SimpleFold则提出了一种全新思路： 没有三角更新、成对表示，也不需要MSA，而是完全基于通用Transformer和流匹配（flow-matching），能够直接将蛋白质序列映射为完整的三维原子结 构（见图1）。 SimpleFold 首个基于Transformer模块的蛋白折叠模型 流匹配把生成视作一段随时间推进的旅程，用常微分 ...