esm

ESM：进化尺度建模

概述

ESM 提供先进的蛋白质语言模型，用于理解、生成和设计蛋白质。此技能支持使用两个模型系列：ESM3 可跨序列、结构和功能进行生成式蛋白质设计；ESM C 可高效学习蛋白质表示并生成嵌入。

核心能力

1. 使用 ESM3 生成蛋白质序列

使用多模态生成建模，生成具有所需属性的新型蛋白质序列。

适用场景：

• 设计具有特定功能属性的蛋白质
• 补全部分蛋白质序列
• 生成现有蛋白质的变体
• 创建具有所需结构特征的蛋白质

基本用法：

from esm.models.esm3 import ESM3
from esm.sdk.api import ESM3InferenceClient, ESMProtein, GenerationConfig

# Load model locally
model: ESM3InferenceClient = ESM3.from_pretrained("esm3-sm-open-v1").to("cuda")

# Create protein prompt
protein = ESMProtein(sequence="MPRT___KEND")  # '_' represents masked positions

# Generate completion
protein = model.generate(protein, GenerationConfig(track="sequence", num_steps=8))
print(protein.sequence)

通过 Forge API 远程／云端使用：

from esm.sdk.forge import ESM3ForgeInferenceClient
from esm.sdk.api import ESMProtein, GenerationConfig

# Connect to Forge
model = ESM3ForgeInferenceClient(model="esm3-medium-2024-08", url="https://forge.evolutionaryscale.ai", token="<token>")

# Generate
protein = model.generate(protein, GenerationConfig(track="sequence", num_steps=8))

有关 ESM3 模型规格、高级生成配置和多模态提示词示例，请参阅 references/esm3-api.md。

2. 结构预测与逆折叠

使用 ESM3 的结构轨道，根据序列进行结构预测，或进行逆折叠（根据结构设计序列）。

结构预测：

from esm.sdk.api import ESM3InferenceClient, ESMProtein, GenerationConfig

# Predict structure from sequence
protein = ESMProtein(sequence="MPRTKEINDAGLIVHSP...")
protein_with_structure = model.generate(
    protein,
    GenerationConfig(track="structure", num_steps=protein.sequence.count("_"))
)

# Access predicted structure
coordinates = protein_with_structure.coordinates  # 3D coordinates
pdb_string = protein_with_structure.to_pdb()

逆折叠（根据结构生成序列）：

# Design sequence for a target structure
protein_with_structure = ESMProtein.from_pdb("target_structure.pdb")
protein_with_structure.sequence = None  # Remove sequence

# Generate sequence that folds to this structure
designed_protein = model.generate(
    protein_with_structure,
    GenerationConfig(track="sequence", num_steps=50, temperature=0.7)
)

3. 使用 ESM C 生成蛋白质嵌入

生成高质量嵌入，用于功能预测、分类或相似性分析等下游任务。

适用场景：

• 提取用于机器学习的蛋白质表示
• 计算序列相似性
• 提取用于蛋白质分类的特征
• 针对蛋白质相关任务进行迁移学习

基本用法：

from esm.models.esmc import ESMC
from esm.sdk.api import ESMProtein

# Load ESM C model
model = ESMC.from_pretrained("esmc-300m").to("cuda")

# Get embeddings
protein = ESMProtein(sequence="MPRTKEINDAGLIVHSP...")
protein_tensor = model.encode(protein)

# Generate embeddings
embeddings = model.forward(protein_tensor)

批处理：

# Encode multiple proteins
proteins = [
    ESMProtein(sequence="MPRTKEIND..."),
    ESMProtein(sequence="AGLIVHSPQ..."),
    ESMProtein(sequence="KTEFLNDGR...")
]

embeddings_list = [model.logits(model.forward(model.encode(p))) for p in proteins]

有关 ESM C 模型详情、效率对比和高级嵌入策略，请参阅 references/esm-c-api.md。

4. 功能条件控制与注释

使用 ESM3 的功能轨道，生成带有特定功能注释的蛋白质，或根据序列预测功能。

功能条件生成：

from esm.sdk.api import ESMProtein, FunctionAnnotation, GenerationConfig

# Create protein with desired function
protein = ESMProtein(
    sequence="_" * 200,  # Generate 200 residue protein
    function_annotations=[
        FunctionAnnotation(label="fluorescent_protein", start=50, end=150)
    ]
)

# Generate sequence with specified function
functional_protein = model.generate(
    protein,
    GenerationConfig(track="sequence", num_steps=200)
)

5. 思维链生成

使用 ESM3 的思维链生成方法，迭代优化蛋白质设计。

from esm.sdk.api import GenerationConfig

# Multi-step refinement
protein = ESMProtein(sequence="MPRT" + "_" * 100 + "KEND")

# Step 1: Generate initial structure
config = GenerationConfig(track="structure", num_steps=50)
protein = model.generate(protein, config)

# Step 2: Refine sequence based on structure
config = GenerationConfig(track="sequence", num_steps=50, temperature=0.5)
protein = model.generate(protein, config)

# Step 3: Predict function
config = GenerationConfig(track="function", num_steps=20)
protein = model.generate(protein, config)

6. 使用 Forge API 进行批处理

使用 Forge 的异步执行器，高效处理多个蛋白质。

from esm.sdk.forge import ESM3ForgeInferenceClient
import asyncio

client = ESM3ForgeInferenceClient(model="esm3-medium-2024-08", token="<token>")

# Async batch processing
async def batch_generate(proteins_list):
    tasks = [
        client.async_generate(protein, GenerationConfig(track="sequence"))
        for protein in proteins_list
    ]
    return await asyncio.gather(*tasks)

# Execute
proteins = [ESMProtein(sequence=f"MPRT{'_' * 50}KEND") for _ in range(10)]
results = asyncio.run(batch_generate(proteins))

有关 Forge API 文档、身份验证、速率限制和批处理模式的详细信息，请参阅 references/forge-api.md。

模型选择指南

ESM3 模型（生成式）：

• esm3-sm-open-v1（1.4B）——开放权重，可在本地使用，适合实验
• esm3-medium-2024-08（7B）——质量与速度的最佳平衡（仅限 Forge）
• esm3-large-2024-03（98B）——质量最高，但速度较慢（仅限 Forge）

ESM C 模型（嵌入）：

• esmc-300m（30 层）——轻量级，推理速度快
• esmc-600m（36 层）——性能均衡
• esmc-6b（80 层）——表示质量最高

选择标准：

• 本地开发／测试： 使用 esm3-sm-open-v1 或 esmc-300m
• 生产环境质量： 通过 Forge 使用 esm3-medium-2024-08
• 最高准确度： 使用 esm3-large-2024-03 或 esmc-6b
• 高吞吐量： 使用带批处理执行器的 Forge API
• 成本优化： 使用较小的模型并实施缓存策略

安装

基本安装：

uv pip install esm

安装 Flash Attention（推荐，可加快推理速度）：

uv pip install esm
uv pip install flash-attn --no-build-isolation

访问 Forge API：

uv pip install esm  # SDK includes Forge client

无需其他依赖。在 https://forge.evolutionaryscale.ai 获取 Forge API 令牌。

常见工作流

详细示例和完整工作流请参阅 references/workflows.md，其中包括：

• 使用思维链设计新型 GFP
• 蛋白质变体生成与筛选
• 基于结构的序列优化
• 功能预测流水线
• 基于嵌入的聚类与分析

参考资料

此技能包含全面的参考文档：

• references/esm3-api.md - ESM3 模型架构、API 参考、生成参数和多模态提示
• references/esm-c-api.md - ESM C 模型详情、嵌入策略和性能优化
• references/forge-api.md - Forge 平台文档、身份验证、批处理和部署
• references/workflows.md - 完整示例和常见工作流模式

这些参考资料包含详细的 API 规范、参数说明和高级用法模式。请根据具体任务按需加载。

最佳实践

对于生成任务：

• 使用较小的模型开始原型开发（esm3-sm-open-v1）
• 使用 temperature 参数控制多样性（0.0 = 确定性，1.0 = 多样化）
• 对复杂设计采用思维链进行迭代优化
• 使用结构预测或湿实验验证生成的序列

对于嵌入任务：

• 尽可能批量处理序列以提高效率
• 缓存嵌入，以便重复分析时使用
• 计算相似度时对嵌入进行归一化
• 根据下游任务的需求选择合适的模型大小

对于生产部署：

• 使用 Forge API 以获得可扩展性并使用最新模型
• 为 API 调用实现错误处理和重试逻辑
• 监控令牌使用量并实施速率限制
• 考虑使用 AWS SageMaker 部署专用基础设施

资源和文档

• GitHub 仓库： https://github.com/evolutionaryscale/esm
• Forge 平台： https://forge.evolutionaryscale.ai
• 科学论文： Hayes et al., Science (2025) - https://www.science.org/doi/10.1126/science.ads0018
• 博客文章：
  • ESM3 发布：https://www.evolutionaryscale.ai/blog/esm3-release
  • ESM C 发布：https://www.evolutionaryscale.ai/blog/esm-cambrian
• 社区： Slack 社区：https://bit.ly/3FKwcWd
• 模型权重： HuggingFace EvolutionaryScale 组织

负责任地使用

ESM 面向蛋白质工程、药物发现和科学研究等有益应用。设计新型蛋白质时，请遵循负责任生物设计框架（https://responsiblebiodesign.ai/）。在实验验证前，请考虑蛋白质设计的生物安全和伦理影响。