模拟5亿年进化的ESM3在Science发布了，可推理蛋白质序列、结构和功能

编辑 | 萝卜皮

时隔半年，该研究以「Simulating 500 million years of evolution with a language model」为题，于 2025 年 1 月 16 日在《Science》发布。

让我们简单回顾一下。

超过 30 亿年的进化产生了编码在天然蛋白质空间中的生物图像。

论文里，研究人员展示了在进化数据上进行大规模训练的语言模型，可以生成远离已知蛋白质的功能性蛋白质。

他们提出了 ESM3，这是一种前沿的多模态生成语言模型，可推理蛋白质的序列、结构和功能。

图示：ESM3 可以同时推理蛋白质序列、结构和功能。（来源：论文）

ESM3 可以结合其模态来遵循复杂的提示，并且对生物学对齐（biological alignment）反应灵敏，从而提高其保真度。

图示：ESM3 通过序列、结构和功能的多模态提示为 PETase 活性位点设计了一个支架。（来源：论文）

研究人员使用 ESM3 设计了一种名为 esmGFP 的新荧光蛋白，它与已知最相似的荧光蛋白序列同源性仅为 58%，这在以往的人工设计中是极为罕见的。

通过指导 ESM3 关注荧光蛋白形成和催化色素体反应所必需的序列和结构特征，模型经过一系列迭代设计，最终产生了具有明亮荧光效果的 esmGFP。

图示：esmGFP 与已知荧光蛋白比较。（来源：论文）

该蛋白不仅在序列上与已知蛋白有显著差异，而且在实验中展现出与常见荧光蛋白相似的荧光强度。这相当于跨越了超过 5 亿年的自然进化距离。

关于 EvolutionaryScale

EvolutionaryScale 是一家非盈利公司。他们的使命是通过与科学界合作以及开放、安全和负责任的研究，开发人工智能来理解生物学，造福人类健康和社会。

自成立以来，ESM 项目一直致力于通过代码和模型发布来开放科学，该团队承诺将继续坚持下去。

该公司成立于 2023 年 7 月已经完成 1.42 亿美元种子轮融资，并已经与亚马逊（Amazon）和英伟达（NVIDIA）公司达成合作。

论文链接： https://www.science.org/doi/10.1126/science.ads0018