蛋白质 Foundation Models

蛋白质是生命功能的执行者，其序列、结构和功能之间存在复杂的关系。蛋白质 Foundation Models 通过在海量蛋白质序列和结构数据上预训练，学习蛋白质的语法、结构模式和功能原理，实现从结构预测到功能注释、从突变效应评估到蛋白质设计的全方位应用。

蛋白质的复杂性

序列-结构-功能关系

蛋白质的层次结构:

  1. 一级结构（Primary Structure）
    • 氨基酸序列
    • 20 种标准氨基酸
    • 序列长度：数十到数千个残基
  2. 二级结构（Secondary Structure）
    • α-螺旋（Alpha Helix）
    • β-折叠（Beta Sheet）
    • 无规卷曲（Coil/Loop）
  3. 三级结构（Tertiary Structure）
    • 完整的三维折叠
    • 由疏水作用、氢键、二硫键等稳定
    • 决定蛋白质功能
  4. 四级结构（Quaternary Structure）
    • 多个亚基组装
    • 蛋白质复合物

Anfinsen 定理

核心原理: 蛋白质的三维结构由其氨基酸序列唯一决定。

这一定理为从序列预测结构提供了理论基础，也是 AlphaFold 等模型的科学依据。

为什么需要 Foundation Models？

挑战: 1. 蛋白质空间巨大: 100 个氨基酸的蛋白质有 20^100 种可能序列 2. 结构预测困难: 实验方法（X-ray、Cryo-EM、NMR）耗时耗力 3. 功能注释稀疏: 已知功能的蛋白质仅占很小比例 4. 进化信息: 同源蛋白质的变异模式包含功能约束

Foundation Models 的优势: - 学习进化保守性和变异耐受性 - 从序列直接预测结构（快速、低成本） - 零样本功能预测和迁移学习 - 指导蛋白质工程和药物设计

序列模型

1. ESM（Evolutionary Scale Modeling）系列

ESM-1b（2021）

架构: Transformer encoder

训练数据: - UniRef50（2.5 千万蛋白质序列）

预训练任务: Masked Language Modeling（MLM）

模型规模: 650M 参数

ESM-2（2022）

突破: 将模型规模扩展到 150B 参数

训练数据: - UniRef（2.5 亿蛋白质序列）

模型版本: - ESM2-8M (8M 参数) - ESM2-35M - ESM2-150M - ESM2-650M - ESM2-3B - ESM2-15B

关键发现: - 650M 参数版本性能最优（更大模型反而性能下降） - 学习到的表示与蛋白质结构高度相关 - 零样本迁移能力强

下游任务: - 蛋白质结构预测（ESMFold） - 蛋白质功能预测 - 突变效应预测 - 蛋白质-蛋白质相互作用预测

代码示例:

import torch
import esm

# 加载 ESM-2 模型
model, alphabet = esm.pretrained.esm2_t33_650M_UR50D()
batch_converter = alphabet.get_batch_converter()
model.eval()

# 蛋白质序列
data = [
    ("protein1", "MKTAYIAKQRQISFVKSHFSRQ"),
    ("protein2", "MQIFVKTLTGKTITLEVEPSDTIENVKAKIQDKEGIPPDQQRLIFAGKQLEDGR"),
]

# 准备批次
batch_labels, batch_strs, batch_tokens = batch_converter(data)

# 提取特征
with torch.no_grad():
    results = model(batch_tokens, repr_layers=[33], return_contacts=True)

# Token 嵌入（每个残基）
token_embeddings = results["representations"][33]

# 序列嵌入（整个蛋白质）
sequence_embeddings = token_embeddings.mean(dim=1)

# 接触图预测
contacts = results["contacts"]

print(f"Token 嵌入形状: {token_embeddings.shape}")
print(f"序列嵌入形状: {sequence_embeddings.shape}")
print(f"接触图形状: {contacts.shape}")

论文: Lin, Z. et al. (2023). Evolutionary-scale prediction of atomic-level protein structure with a language model. Science, 379(6637), 1123-1130.

2. ProtGPT2（2022）

架构: GPT-2（生成式）

训练数据: - UniRef50（5000 万蛋白质序列）

预训练任务: - 自回归语言建模（Next Token Prediction）

特点: - 生成模型: 可以从头生成新的蛋白质序列 - 学习蛋白质序列的概率分布

应用: - De novo 蛋白质设计 - 序列完成与优化 - 蛋白质变体生成

代码示例:

from transformers import pipeline

# 加载 ProtGPT2
generator = pipeline('text-generation', model="nferruz/ProtGPT2")

# 从提示序列生成蛋白质
seed_sequence = "MKTAYIA"
generated = generator(seed_sequence, max_length=100, do_sample=True)

print(f"生成的蛋白质序列: {generated[0]['generated_text']}")

论文: Ferruz, N. et al. (2022). ProtGPT2 is a deep unsupervised language model for protein design. Nature Communications, 13, 4348.

3. ProteinBERT（2022）

架构: BERT

特点: 整合序列和 GO（Gene Ontology）注释

训练数据: - UniRef90 + SwissProt GO 注释

预训练任务: - MLM - GO 注释预测

优势: 明确学习功能信息

4. Ankh（2023）

架构: 大规模 Transformer（最大 1.5B 参数）

训练数据: - UniRef100 + Pfam + 元基因组数据 - 数亿蛋白质序列

特点: - 多语言蛋白质模型（跨物种） - 规模化提升性能

5. ProGen（2020, 2023）

架构: Transformer decoder

训练数据: - UniRef90 + 条件标签（蛋白质家族、物种）

特点: - 条件生成：根据蛋白质家族生成序列 - ProGen2: 扩展到 6.4B 参数

应用: - 蛋白质家族特异性设计 - 酶工程

结构模型

1. AlphaFold2（2021）

突破性意义: 解决了蛋白质结构预测这一 50 年难题

架构: - Evoformer: 处理多序列比对（MSA）和配对表示 - Structure Module: 生成三维坐标

输入: - 目标序列 - MSA（多序列比对，来自同源搜索） - 模板结构（可选）

训练数据: - PDB（约 17 万结构）

关键技术: 1. MSA 表示: 编码进化信息 2. 配对表示: 残基-残基关系 3. Evoformer 模块: 联合更新 MSA 和配对表示 4. 结构模块: 迭代细化三维结构 5. 等变性: 保持旋转和平移不变性

性能: - CASP14: 中位 GDT 92.4（接近实验精度） - 预测时间: 数分钟到数小时

代码示例:

# 使用 AlphaFold2 通过 ColabFold
from colabfold import plot_protein
from colabfold.batch import get_queries, run

# 序列
sequence = "MKTAYIAKQRQISFVKSHFSRQ"

# 运行预测（简化示例）
# results = run(sequence)

# 可视化
# plot_protein(results)

影响: - AlphaFold Protein Structure Database: 2 亿+ 预测结构 - 加速结构生物学研究 - 推动药物设计、蛋白质工程

论文: Jumper, J. et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596, 583–589.

2. AlphaFold3（2024）

扩展: 预测蛋白质-配体、蛋白质-核酸复合物

输入: - 蛋白质序列 - 配体 SMILES - DNA/RNA 序列

输出: 复合物三维结构

应用: - 药物-靶点复合物预测 - 蛋白质-DNA 复合物（转录因子） - 蛋白质-RNA 复合物（RBP）

性能: - 蛋白质-配体对接精度超越传统分子对接 - 革新结构药物设计

论文: Abramson, J. et al. (2024). Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature, 630, 493–500.

3. ESMFold（2022）

架构: 基于 ESM-2 语言模型 + 结构预测头

关键特点: - 无需 MSA: 从单序列预测 - 速度快: 比 AlphaFold2 快 60 倍 - 端到端: 从序列直接到结构

训练数据: - PDB + AlphaFold Database

性能: - 高分辨率结构：接近 AlphaFold2 - 低同源性蛋白质：略逊于 AlphaFold2 - 适合大规模筛选

代码示例:

import torch
import esm

# 加载 ESMFold
model = esm.pretrained.esmfold_v1()
model = model.eval().cuda()

# 序列
sequence = "MKTAYIAKQRQISFVKSHFSRQ"

# 预测结构
with torch.no_grad():
    output = model.infer_pdb(sequence)

# 保存 PDB
with open("predicted_structure.pdb", "w") as f:
    f.write(output)

print("结构已保存到 predicted_structure.pdb")

论文: Lin, Z. et al. (2023). Evolutionary-scale prediction of atomic-level protein structure with a language model. Science, 379(6637), 1123-1130.

4. OmegaFold（2022）

架构: Transformer

特点: - 端到端训练 - 无需 MSA（单序列预测） - 使用蛋白质语言模型初始化

性能: 与 AlphaFold2 相当，速度更快

5. RoseTTAFold（2021）

来源: 华盛顿大学 David Baker 实验室

架构: 三轨网络（1D、2D、3D）

特点: - 联合处理序列、距离、坐标 - 开源实现

论文: Baek, M. et al. (2021). Accurate prediction of protein structures and interactions using a three-track neural network. Science, 373(6557), 871-876.

应用场景

1. 突变效应预测

任务: 预测氨基酸突变对蛋白质功能/稳定性的影响

方法: - Zero-shot: 直接使用预训练模型 - 比较野生型和突变型的对数似然 - ESM-1v: 专门针对突变效应优化

评估数据集: - ClinVar: 临床变异数据库 - DMS（Deep Mutational Scanning）: 高通量突变实验

应用: - 疾病相关突变识别 - 蛋白质工程 - 抗体亲和力优化

代码示例:

import torch
import esm

# 加载 ESM-1v（变异效应模型）
model, alphabet = esm.pretrained.esm1v_t33_650M_UR90S_1()
batch_converter = alphabet.get_batch_converter()
model.eval()

# 野生型序列
wt_sequence = "MKTAYIAKQRQISFVKSHFSRQ"

# 突变序列（K3A 突变）
mut_sequence = "MKTAYIAKQAQISFVKSHFSRQ"

# 准备批次
data = [
    ("WT", wt_sequence),
    ("MUT", mut_sequence),
]
batch_labels, batch_strs, batch_tokens = batch_converter(data)

# 计算对数似然
with torch.no_grad():
    results = model(batch_tokens, repr_layers=[33])
    logits = results["logits"]
    
    # 计算序列对数似然
    log_probs = torch.log_softmax(logits, dim=-1)
    wt_ll = log_probs[0, 1:len(wt_sequence)+1, :].gather(-1, batch_tokens[0, 1:len(wt_sequence)+1].unsqueeze(-1)).sum()
    mut_ll = log_probs[1, 1:len(mut_sequence)+1, :].gather(-1, batch_tokens[1, 1:len(mut_sequence)+1].unsqueeze(-1)).sum()
    
    # 突变效应评分（越负越有害）
    effect_score = mut_ll - wt_ll

print(f"突变效应评分: {effect_score.item():.3f}")

2. 蛋白质功能预测

任务: 从序列预测蛋白质功能（GO term、EC number、细胞定位）

方法: 1. 使用预训练模型提取特征 2. 在标注数据上训练分类器 3. 预测功能标签

数据集: - SwissProt: 人工审核的蛋白质数据库（含 GO 注释） - CAFA（Critical Assessment of Function Annotation）: 功能预测竞赛

代码示例:

from transformers import AutoModel, AutoTokenizer
import torch.nn as nn

# 加载预训练模型
tokenizer = AutoTokenizer.from_pretrained("Rostlab/prot_bert")
model = AutoModel.from_pretrained("Rostlab/prot_bert")

# 功能预测分类器
class FunctionPredictor(nn.Module):
    def __init__(self, protein_model, num_labels):
        super().__init__()
        self.protein_encoder = protein_model
        self.classifier = nn.Linear(protein_model.config.hidden_size, num_labels)
    
    def forward(self, input_ids):
        embeddings = self.protein_encoder(input_ids).last_hidden_state
        pooled = embeddings[:, 0, :]  # [CLS] token
        logits = self.classifier(pooled)
        return logits

# 实例化
predictor = FunctionPredictor(model, num_labels=1000)  # 1000 个 GO terms

# 预测（示例）
sequence = "M K T A Y I A K Q R Q I S F V K S H F S R Q"
inputs = tokenizer(sequence, return_tensors="pt")
predictions = predictor(inputs["input_ids"])

3. 蛋白质-蛋白质相互作用预测

任务: 预测两个蛋白质是否相互作用

方法: - 将两个蛋白质序列编码 - 计算相似性或使用分类器

应用: - 构建蛋白质互作网络（PPI Network） - 药物靶点识别 - 信号通路研究

4. 蛋白质设计

任务: 从头设计新的蛋白质序列

方法:

生成式模型: - ProtGPT2, ProGen: 自回归生成 - 条件生成：指定蛋白质家族、功能

结构引导设计: - AlphaFold + 优化 - RFdiffusion（结构扩散模型）

应用: - 酶工程（提高催化活性） - 抗体设计（提高亲和力和特异性） - 新型蛋白质药物

代码示例:

from transformers import pipeline

# 使用 ProtGPT2 生成蛋白质
generator = pipeline('text-generation', model="nferruz/ProtGPT2")

# 生成属于特定家族的蛋白质
prompt = "MKTAYIA"  # 种子序列
generated_sequences = generator(
    prompt, 
    max_length=200, 
    num_return_sequences=5,
    do_sample=True,
    temperature=0.8
)

for i, seq in enumerate(generated_sequences):
    print(f"序列 {i+1}: {seq['generated_text']}")

5. 抗体设计与优化

任务: 优化抗体的亲和力、特异性、稳定性

方法: - ESM-2 编码抗体序列 - 预测抗原结合区（CDR）突变效应 - 结构预测验证

工具: - ABodyBuilder: 抗体结构预测 - ESM-IF: 逆向折叠（从结构生成序列）

数据资源

序列数据库

  • UniProt: 综合蛋白质数据库（2 亿+ 序列）
  • UniRef50/90/100: 聚类减少冗余
  • Pfam: 蛋白质家族数据库
  • SwissProt: 人工审核的高质量蛋白质数据

结构数据库

  • PDB（Protein Data Bank）: 实验解析结构（20 万+）
  • AlphaFold Database: AI 预测结构（2 亿+）
  • CATH/SCOP: 结构分类数据库

功能注释

  • Gene Ontology (GO): 基因/蛋白质功能本体
  • InterPro: 蛋白质家族和域注释
  • KEGG: 代谢通路数据库

模型比较

序列模型

模型 架构 参数量 训练数据 类型 特点
ESM-1b Transformer 650M UniRef50 (25M) 掩码预测 经典，性能优秀
ESM-2 Transformer 8M-15B UniRef (250M) 掩码预测 多规模，650M 最优
ProtGPT2 GPT-2 738M UniRef50 (50M) 生成式 可生成新序列
ProGen2 Transformer 6.4B UniRef90 + 条件 生成式 条件生成
Ankh Transformer 1.5B UniRef100 + 元基因组 掩码预测 大规模

结构模型

模型 MSA 需求 速度 精度 特点
AlphaFold2 是 慢（小时） 极高 SOTA，需 MSA
AlphaFold3 是 慢 极高 复合物预测
ESMFold 否 快（秒-分钟） 高 单序列，快速
OmegaFold 否 快 高 端到端
RoseTTAFold 是 中 高 开源

评估指标

结构预测

  • GDT（Global Distance Test）: 结构相似度
  • TM-score: 模板建模评分（>0.5 为相同折叠）
  • RMSD（Root Mean Square Deviation）: 原子位置偏差
  • lDDT（Local Distance Difference Test）: 局部结构精度

功能预测

  • AUROC / AUPRC: 功能分类性能
  • F-max: 最大 F1 score（CAFA 评估）

突变效应

  • Spearman 相关系数: 与实验数据相关性
  • AUC: 分类致病/良性变异

实践工具

ESM

GitHub: ESM

# 安装
pip install fair-esm

# 提取嵌入
python scripts/extract.py esm2_t33_650M_UR50D protein.fasta output --repr_layers 33 --include mean

AlphaFold

  • AlphaFold Colab: 在线预测（免费 GPU）
  • ColabFold: 加速版本，集成 MMseqs2 快速 MSA
  • LocalColabFold: 本地部署

ESMFold

import esm

# 加载模型
model = esm.pretrained.esmfold_v1()
model = model.eval().cuda()

# 预测结构
with torch.no_grad():
    output = model.infer_pdb("MKTAYIAKQRQISFVKSHFSRQ")

# 保存 PDB
with open("structure.pdb", "w") as f:
    f.write(output)

前沿技术

1. 逆向折叠（Inverse Folding）

任务: 从三维结构设计氨基酸序列

传统流程: 序列 → 结构 逆向折叠: 结构 → 序列

应用: - 固定结构骨架，设计新序列 - 蛋白质稳定性优化 - 功能保持的序列多样化

模型:

ESM-IF（Inverse Folding）: - 基于 ESM 架构 - 输入：蛋白质骨架坐标 - 输出：氨基酸序列

ProteinMPNN: - 消息传递神经网络 - 考虑几何约束 - 高精度序列设计

代码示例:

# ESM-IF 逆向折叠示例
import esm.inverse_folding

# 加载模型
model, alphabet = esm.pretrained.esm_if1_gvp4_t16_142M_UR50()
model.eval()

# 输入：蛋白质结构（坐标）
coords, seq = esm.inverse_folding.util.load_coords("protein.pdb", "A")

# 设计序列
ll, seq = esm.inverse_folding.util.score_sequence(
    model, alphabet, coords, seq
)

print(f"设计的序列: {seq}")
print(f"对数似然: {ll}")

2. 结构扩散模型

RFdiffusion（2023）:

原理: - 使用扩散模型生成蛋白质骨架 - 从噪声逐步去噪得到蛋白质结构

应用: - De novo 蛋白质设计 - 结合位点设计（针对特定配体/抗原） - 蛋白质支架设计

流程: 1. RFdiffusion 生成骨架 2. ProteinMPNN 设计序列 3. AlphaFold2 验证结构

成果: - 设计出实验验证的新型蛋白质 - 发表于 Nature (2023)

3. 多模态蛋白质模型

整合多种信息: - 序列 + 结构 - 序列 + 功能注释 - 序列 + 文本描述

ProtST（Protein Structure-Text）: - 蛋白质结构与文本描述对齐 - 类似 CLIP 的对比学习 - 支持文本查询蛋白质

应用: - “找到所有激酶结构” - “检索与免疫相关的蛋白质”

4. 小样本蛋白质学习

挑战: 许多蛋白质家族标注数据稀少

方法: - 元学习（Meta-Learning）: 学习快速适应新任务 - Few-shot Learning: 从少量样本学习 - 迁移学习: 从大家族迁移到小家族

5. 蛋白质动力学建模

限制: AlphaFold 预测静态结构

挑战: - 蛋白质结构动态变化 - 构象转换影响功能

方向: - 预测蛋白质构象集合 - 模拟蛋白质折叠路径 - 整合分子动力学（MD）模拟

AlphaFold-Multimer: 预测蛋白质复合物的多个构象

成功案例

1. AlphaFold 预测人类蛋白质组

成果: - 预测 2 亿+ 蛋白质结构 - 覆盖人类全部约 2 万个蛋白质 - 开放下载，加速全球研究

影响: - 结构生物学家可直接获取预测结构 - 加速药物靶点研究 - 推动罕见病研究（孤儿蛋白结构）

2. De novo 蛋白质设计

案例: David Baker 实验室（华盛顿大学）

成果: - 设计出自然界不存在的蛋白质 - 实验验证结构与设计一致 - 具有预定功能（如结合特定分子）

应用: - 新型酶设计 - 纳米材料 - 生物传感器

3. 抗体药物设计

案例: 多家生物技术公司使用 ESM/AlphaFold

流程: 1. ESM-2 预测抗体 CDR 区突变效应 2. AlphaFold2 预测抗体-抗原复合物结构 3. 筛选高亲和力候选抗体 4. 实验验证

优势: - 减少实验轮次 - 提高成功率 - 加速研发周期

4. COVID-19 蛋白质研究

应用: - AlphaFold2 预测 SARS-CoV-2 蛋白质结构 - 辅助药物设计（主蛋白酶抑制剂） - 抗体中和机制研究

挑战与未来方向

当前挑战

  1. 内在无序蛋白（IDPs）
    • 没有固定三维结构
    • AlphaFold 难以建模
  2. 蛋白质动态性
    • 静态结构预测为主
    • 构象变化、蛋白质折叠路径
  3. 复合物预测
    • AlphaFold-Multimer 性能有限
    • 瞬时相互作用难预测
  4. 实验验证瓶颈
    • AI 设计的蛋白质需实验验证
    • 高通量实验成本仍高
  5. 可解释性
    • 模型决策机制不透明
    • 难以提取生物学规律

未来方向

  1. 统一序列-结构-功能模型
    • 端到端学习
    • 多任务联合训练
  2. 蛋白质生成模型
    • 从功能需求生成序列
    • 可控生成（指定折叠、功能）
  3. 闭环蛋白质设计
    • AI 设计 → 高通量实验 → 反馈 → 迭代优化
    • 自动化实验室（Robot Scientist）
  4. 跨模态学习
    • 整合序列、结构、基因表达、文献
    • 知识图谱与蛋白质模型融合
  5. 个性化蛋白质组学
    • 整合个体变异
    • 预测疾病相关蛋白质变化
  6. 进化建模
    • 预测蛋白质进化轨迹
    • 理解适应性变异

学习资源

论文

经典论文: - Jumper, J. et al. (2021). AlphaFold. Nature. - Lin, Z. et al. (2023). ESM-2 & ESMFold. Science. - Ferruz, N. et al. (2022). ProtGPT2. Nature Communications. - Watson, J. et al. (2023). De novo design by deep learning. Nature.

综述: - Pearce, R. & Zhang, Y. (2021). Deep learning techniques have significantly impacted protein structure prediction. Nature Methods. - AlQuraishi, M. (2019). AlphaFold at CASP13. Bioinformatics.

在线课程

  • Deep Learning in Life Sciences (MIT): 深度学习在生命科学中的应用
  • Protein Structure Prediction (Coursera): 蛋白质结构预测
  • Machine Learning for Proteins (Stanford): 蛋白质机器学习

教程与工具

AlphaFold: - AlphaFold Colab - ColabFold

ESM: - ESM GitHub - ESM Tutorial

RoseTTAFold: - RoseTTAFold GitHub

可视化: - PyMOL: 蛋白质结构可视化 - ChimeraX: UCSF 开发的分子可视化工具 - Mol*: 在线结构浏览器

书籍

  • 《Protein Structure Prediction》（Mohammed AlQuraishi 等）
  • 《Deep Learning for Protein Science》
  • 《Bioinformatics and Functional Genomics》（Jonathan Pevsner）

社区与竞赛

CASP（Critical Assessment of Structure Prediction）: - 两年一次的蛋白质结构预测竞赛 - 评估最新方法性能

CAFA（Critical Assessment of Function Annotation）: - 蛋白质功能预测竞赛

实用建议

如何选择模型？

场景 1: 快速结构预测 - 推荐：ESMFold - 原因：无需 MSA，秒级预测

场景 2: 高精度结构预测 - 推荐：AlphaFold2（通过 ColabFold） - 原因：精度最高，MSA 搜索优化

场景 3: 蛋白质复合物 - 推荐：AlphaFold-Multimer 或 AlphaFold3 - 原因：专门优化复合物预测

场景 4: 突变效应预测 - 推荐：ESM-1v - 原因：专门训练，零样本预测

场景 5: 蛋白质设计 - 推荐：ProtGPT2 或 ProGen2 - 原因：生成式模型

场景 6: 功能预测 - 推荐：ESM-2 + 微调 - 原因：通用表示，迁移能力强

计算资源需求

模型 GPU 需求 时间（100 aa 蛋白质）
ESM-2 (650M) 单 GPU (16GB) < 1 秒
ESMFold 单 GPU (16GB) 数秒
AlphaFold2 单 GPU (16GB) 数分钟到数小时
AlphaFold-Multimer 单 GPU (40GB) 数小时

建议: - 本地有 GPU：安装 ESMFold 或 ColabFold - 无 GPU：使用 Google Colab（免费 T4 GPU） - 大规模预测：使用云计算（AWS, GCP）

总结

蛋白质 Foundation Models 正在重塑结构生物学和蛋白质工程：

已实现: - 快速、高精度的结构预测（AlphaFold, ESMFold） - 零样本突变效应预测（ESM-1v） - 蛋白质序列表示学习（ESM-2） - 新蛋白质从头设计（ProtGPT2, RFdiffusion）

进行中: - 蛋白质复合物预测优化 - 动态结构建模 - 闭环 AI 设计与实验验证

未来展望: - 通用蛋白质智能：理解并设计任意蛋白质 - 个性化蛋白质组学：精准医疗应用 - 全自动蛋白质工程：AI + 机器人实验室

蛋白质 Foundation Models 的成功证明了 AI 在基础科学中的巨大潜力，也为其他生物分子（DNA, RNA）的建模提供了范式。

引用

在学术论文中引用这些模型：

AlphaFold2:

Jumper, J., Evans, R., Pritzel, A. et al. Highly accurate protein structure 
prediction with AlphaFold. Nature 596, 583–589 (2021).

ESM-2:

Lin, Z., Akin, H., Rao, R. et al. Evolutionary-scale prediction of atomic-level 
protein structure with a language model. Science 379, 1123-1130 (2023).

ProtGPT2:

Ferruz, N., Schmidt, S. & Höcker, B. ProtGPT2 is a deep unsupervised language 
model for protein design. Nat Commun 13, 4348 (2022).

相关链接

致谢

感谢以下团队的开源贡献： - DeepMind（AlphaFold） - Meta AI（ESM） - David Baker Lab（RoseTTAFold, RFdiffusion） - 所有开源社区贡献者

更新时间：2026-09-29