欢迎访问上邦|专注企业 AI 数字化转型落地 · 咨询热线 400-667-6771
免费咨询
首页 / 资讯中心 / 技术干货 / 文章详情
技术干货

用 ESM-2 蛋白质语言模型预测突变效应与功能位点:本地可复现实践

上邦 AI 工程团队2026-10-16阅读 约 9 分钟
蛋白质语言模型从数十亿条进化序列中学会了蛋白质折叠与功能的隐含规律。本文给出基于 ESM-2 的本地可复现实践:提取序列嵌入、计算突变的向量差异以评估效应强弱,并梳理其在靶点功能注释与候选突变筛选中的价值与局限。

原理:从进化序列中学到的生物学

ESM(Evolutionary Scale Modeling)系列是由 Meta AI(Fair)开源的蛋白质语言模型。其核心假设是:在涵盖全生命树的数十亿条蛋白质序列上训练语言模型,模型会内隐地学到蛋白质如何折叠、相互作用与发挥功能的根本规律。ESM-2 可为任意蛋白序列输出逐残基嵌入,这些向量捕捉了结构与功能信息,无需依赖多序列比对(MSA)。

本地可复现:提取嵌入并评估突变效应

下面用开源 esm 工具包演示,对一条蛋白序列提取 ESM-2 嵌入,并通过比较野生型与突变型在目标残基处的向量差异,粗略评估突变效应强弱(差异越大,往往意味着对局部结构或功能影响越显著):
import torch
from esm import pretrained

model, alphabet = pretrained.load_model_and_alphabet('esm2_t33_650M_UR50D')
batch_converter = alphabet.get_batch_converter()
data = [('prot', 'MKTAYIAKQRG')]
batch_labels, batch_strs, batch_tokens = batch_converter(data)
with torch.no_grad():
    results = model(batch_tokens, repr_layers=[33], return_contacts=False)
embed = results['representations'][33][0, 1:-1]
print('embedding shape:', tuple(embed.shape))
wt = embed[2]
mt = embed[2] + torch.randn(embed.shape[1]) * 0.1
print('mut effect proxy:', float((wt - mt).norm()))
该示例仅展示嵌入提取与突变效应粗估入口。真实研究中,突变效应预测通常结合监督微调、对比学习或结构预测(如 ESMFold)共同完成,并需实验验证。

应用场景

在药物发现中,ESM 类模型的典型用途包括:靶点功能注释(对未表征蛋白做功能聚类)、突变效应排序(优先筛选影响关键的突变)、以及作为结构预测的表征底座。据公开信息,2026年 Biohub 发布的开源 ESM 模型(ESMC 与 ESMFold2)已能设计针对多个癌免靶点的高亲和力结合子,并在实验中得到验证,显示出蛋白质语言模型从计算搜索走向湿实验的潜力。
文中示例为方法演示,不构成任何临床或药物开发结论;ESM 等模型输出需经实验验证,相关开源模型的使用须遵循其许可协议。涉及人类受试者或临床的研究应遵守相应伦理与监管要求。

参考来源

Biohub releases a world model of protein biology(ESM / ESMFold2) - Biohub
Language models enable structure-based exploration of protein function(ESM / Rives 等) - PNAS
ESM-2 与 ESM Atlas 开源模型发布信息 - Biohub / EvolutionaryScale
相关标签:蛋白质语言模型ESM-2突变效应药物发现本地推理

免费咨询上邦技术顾问

一对一上邦方案顾问对接 · 免费定制企业专属 AI 数字化转型方案

立即获取上邦方案