使用ESM3蛋白质语言模型进行快速大规模结构预测
文章目录
- ESM3介绍
- ESM3在线使用
- 本地使用api批量预测
- ESM相较于AlphaFold的优势
ESM3介绍
ESM3是由EvolutionaryScale（前Meta团队）开发的一款蛋白质大语言模型，于2025年以《用语言模型模拟 5 亿年的进化》为题正式发表在Science上
文章链接: https://www.science.org/doi/10.1126/science.ads0018
文章展示了一个例子，如何用ESM3设计新型绿色荧光蛋白（GFP），设计出的新蛋白与自然界中最相近的序列相比也仅有58%的相似度，证明该模型在拓展蛋白质新编码空间上具有巨大潜力。
尽管该science论文主推ESM3的蛋白质设计功能，本文仅介绍如何使用ESM3的蛋白质结构预测功能
ESM3在线使用
使用EvolutionaryScale的在线网站可以预测结构、生成新蛋白，速度非常快，500个氨基酸左右的蛋白结构基本几秒内就可以给出，比AlphaFold3快不少
链接: https://forge.evolutionaryscale.ai/tools/predict
注意非商业使用需要通过学术机构后缀的邮箱来申请
本地使用api批量预测
如果你不想下载那些很大的权重文件到本地，或者你没有算力足够的机器来运行，可以使用官方提供的api来进行批量预测
首先需要在你的电脑上安装esm3，非常简单，只需要
pip install esm
即可安装
安装完毕后在EvolutionaryScale上获取你的api keys
在下面填入你 EvolutionaryScale和Hugging face的token即可，两个都是可以免费获取的
from huggingface_hub import login
from esm.sdk import client
from esm.sdk.api import ESM3InferenceClient, ESMProtein, GenerationConfighugging_face_token="<your hugging face token>"login(token=hugging_face_token)model: ESM3InferenceClient = client("esm3-large-2024-03", token="<your evolutionary token>")sequence= "MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYTPKTRREAEDLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN"
# 替换为你感兴趣的蛋白序列protein = ESMProtein(sequence=sequence)protein = model.generate(protein, GenerationConfig(track="structure", num_steps=8,temperature=0.1))
protein.to_pdb("./predict.pdb")
使用EvolutionarySclae的api时可以有以下几种模型进行选择，替换client的模型名称即可：
同时预测时num_steps和temperature参数都是可调的，num_steps越多消耗的tokens数也越多
每日默认总积分数只有10分，在Credits处可查
可以通过填写一下表格申请到每日100个credits，填了一下发现几分钟就给通过了，估计也没有人工审批
ESM相较于AlphaFold的优势
之前一直想做大规模蛋白质结构预测，尽管ColabFold和AlphaFold 3都已经公开可用，但这两个模型都需要进行多序列比对，而这一步在部署到本地后十分耗时，之前本人尝试过结果表明一个200氨基酸左右的序列需要近20分钟才能预测完成。
相比之下，如今使用ESM3每个蛋白预测时间在num_steps数设置合适的时候半分钟不到就可以预测完成，极大提高效率。而Credits限制的问题可以通过开多个账号或者本地部署ESM3模型来解决，比解决AlphaFold MSA的问题方便多了。