科研 Skill
ESM-2 蛋白质语言模型
fair-esm2
使用 Meta AI 的 ESM-2(`fair-esm` 软件包)生成蛋白质嵌入。适用于提取残基级或序列级嵌入供下游机器学习使用、进行掩码语言模型似然或突变效应评分,以及根据序列预测接触图。
SKILL.md
fair-esm2 — ESM-2(Meta AI)
ESM-2 代码和权重均采用 MIT 许可证(Meta AI,github.com/facebookresearch/esm)。
软件包消歧。
pip install fair-esm提供的是import esm和esm.pretrained.*(ESM-1/2)。Biohub 的 github.com/Biohub/esm 分支(MIT)提供的是from esm.models.esmfold2 import ESMFold2InputBuilder——请参见esmfold2skill。两者共享esm命名空间,但属于不同的库。本技能介绍的是 fair-esm(Meta 软件包)。
前置条件
| 要求 | 最低配置 | 推荐配置 |
|---|---|---|
| Python | 3.8+ | 3.11 |
| CUDA | 11.7+ | 12.x |
| GPU 显存 | 8 GB(8M)、16 GB(650M) | 24 GB+(650M/3B) |
运行方法
嵌入
import torch, esm
model, alphabet = esm.pretrained.esm2_t33_650M_UR50D()
model = model.eval().cuda()
bc = alphabet.get_batch_converter()
_, _, toks = bc([("ubq", "MQIFVKTLTGKTITLEVEPSDTIENVK")])
with torch.no_grad():
out = model(toks.cuda(), repr_layers=[33])
emb = out["representations"][33] # (1, L+2, 1280)——包含 BOS/EOS
seq_emb = emb[0, 1:-1].mean(0) # 序列级均值
掩码语言模型评分
with torch.no_grad():
out = model(toks.cuda(), repr_layers=[33])
logits = out["logits"][0, 1:-1] # (L, |vocab|)
# WT 边际对数似然;进行突变评分时,遮盖相应位置,
# 然后比较 logit[mut] − logit[wt]。
接触预测
with torch.no_grad():
out = model(toks.cuda(), repr_layers=[33], return_contacts=True)
contacts = out["contacts"][0] # (L, L)
模型
| 名称 | 层数 | 维度 | 参数量 | 用途 |
|---|---|---|---|---|
esm2_t6_8M_UR50D | 6 | 320 | 8 M | 快速冒烟测试/小型嵌入 |
esm2_t33_650M_UR50D | 33 | 1280 | 650 M | 默认嵌入模型 |
esm2_t36_3B_UR50D | 36 | 2560 | 3 B | 最佳嵌入,需 24 GB+ |
输出格式
out["representations"][layer] 的形状为 (B, L+2, D);使用 [:, 1:-1, :] 去除 BOS/EOS。启用 return_contacts=True 时,out["contacts"] 的形状为 (B, L, L)。
远程计算
650M 模型需要至少 16 GB GPU 显存,并且需要预先缓存的 .pt 检查点,或者能够访问 dl.fbaipublicfiles.com。调用 compute_details({provider, mode:'read'}),查找包含 fair-esm 和 torch-hub 权重缓存的运行环境,然后执行:
c = host.compute.create(provider)
job = c.submit_job(
intent="ESM-2 650M embeddings for 200 sequences — 1×GPU, ~2 min",
inputs=[
"seqs.fasta",
"embed_esm2.py",
],
# 环境激活因主机而异——请将其写在 command 字符串中
#(例如 "conda run -n <env> python3 embed_esm2.py";参见 compute_details)
command="python3 embed_esm2.py",
outputs=["embeddings.pt"],
run_timeout_s=1800,
)
# 刚才只打印了 Job 的 repr(id、notes)——单元格到此结束;内核绝不会在作业上等待
随后调用 wait_for_notification brain-tool。收到 compute_done 通知后,根据其 payload 执行:
save_artifacts(payload["output_files"]) # 位于 hpc/<job_id>/ 下的路径
如需获取完整记录(文件、stdout_tail、notes 等),请重新进入内核:res = c.attach_job(job_id).result(),然后调用 c.close(intent=...)。编排细节参见 remote-compute-ssh/remote-compute-modal skill。
在 embed_esm2.py 中,将 TORCH_HOME 设置为提供商的 torch-hub 缓存挂载位置;具体路径位于 compute_details 中。这样 esm.pretrained.* 就能在本地解析权重。
故障排查
| 现象 | 原因 | 解决方法 |
|---|---|---|
ModuleNotFoundError: No module named 'esm.models' | 需要的是 Biohub 的 esm 分支,而不是 fair-esm | 参见 esmfold2 skill;本技能使用 esm.pretrained.*。 |
| 首次调用缓慢 | 正在通过 torch.hub 下载权重 | 将 TORCH_HOME 设置为缓存位置。 |
下一步: 将嵌入输入分类器。对于结构预测,请使用 esmfold2。
详细信息
作者
Anthropic
许可证
Apache-2.0
第三方软件、内容、条款和信息
- 权重: ESM-2 · Meta AI(MIT)— 条款
所属插件
安装该插件会一并获得同领域的 31 个 Skill / MCP。
同插件的其他科研 Skill
- AlphaFold2 蛋白质结构预测使用 ColabFold 运行器和 AlphaFold2/AlphaFold2-Multimer 预测蛋白质单体、多聚体与复合物结构,并通过 pLDDT、ipTM 和 RMSD 评估预测与设计质量。
- 生信论文写作助手按钮审批、本机R优先与生信论文质控交付
- BioServices 生信数据库助手统一访问生物信息数据库
- Boltz 生物分子共折叠使用 Boltz-2 预测蛋白质、核酸和小分子复合物结构(Passaro、Wohlwend 等,2025)。适用于针对靶标验证设计的结合蛋白、将蛋白质与 SMILES 或 CCD 配体共同折叠,或使用可选的结合亲和力预测功能获得开源 AlphaFold3 替代方案。
- Borzoi 基因组调控预测使用 Borzoi 根据 DNA 序列预测全基因组功能轨迹(RNA-seq、CAGE、DNase、ChIP)。适用于评估变异对表达或染色质可及性的调控效应、生成某个基因组位点的预测覆盖轨迹,或根据预测轨迹差值确定非编码变异的优先级。
- bulk RNA-seq 分析助手复现 bulk RNA-seq 分析流程
- Chai-1 复合物结构预测使用 Chai-1 基础模型(Chai Discovery,2024,github.com/chaidiscovery/chai-lab)预测蛋白质、核酸和小分子复合物结构。适用于从单个 FASTA 预测抗体—抗原或蛋白质—配体复合物、将设计的结合蛋白重新折叠并作为 AlphaFold-Multimer 的替代方案,或通过 Python 在 GPU 上执行批量共折叠任务。
- 肿瘤枢纽基因课题规划规划传统肿瘤生信课题
- deepTools NGS 信号分析生成 NGS 质控和信号图
- DiffDock 小分子对接使用 DiffDock-L(Corso 等,2023/2024)预测小分子结合姿势。它通过盲扩散对接,在无需预定义搜索框的情况下将配体放入蛋白质口袋,并使用学习得到的置信度模型对样本排序。适用于将 SMILES 或 SDF 对接至 PDB、为小型片段库生成排序后的三维姿势,或为后续重打分生成起始姿势。DiffDock 预测几何构象,而非亲和力。
- ESMFold2 全原子共折叠使用 Biohub ESMFold2/ESMFold2-Fast 进行全原子共折叠,支持单序列和 MSA 模式以及蛋白质、DNA、RNA、配体(CCD/SMILES)和修饰残基;FoldBench 抗体–抗原 DockQ 通过率为 50–55%,PPI 为 70–77%。也覆盖同一版本的 ESMC-{300M,600M,6B} 蛋白质语言模型,包括掩码语言模型 logits、隐藏状态、突变评分、接触预测和 SAE 可解释性预测头。适用于预测单序列输入的复合物结构、使用 ESMFold2-Fast 验证设计结合蛋白、运行 MSA 输入、获取 ESMC 嵌入或逐残基突变分数,以及选择符合论文吞吐设置的内核后端和采样步数。
- Evo 2 基因组基础模型使用长上下文基因组基础模型 Evo 2 对 DNA 序列进行评分、嵌入和生成。适用于计算逐核苷酸或逐序列似然以评估变异效应、嵌入基因组窗口供下游分类使用、根据前缀生成 DNA,以及跨物种评估调控区或编码区。
- gget 生信检索助手跨生信数据库检索基因蛋白信息
- 治疗适应症研究档案生成治疗适应症档案,覆盖患者人群、流行病学、疾病生物学、标准治疗、监管先例和里程碑式临床试验。
- LigandMPNN 配体环境蛋白设计使用 LigandMPNN(Dauparas 等,2023)在配体、核酸和金属环境下对蛋白质骨架进行逆折叠。适用于重新设计结合口袋中围绕已结合小分子或辅因子的残基、设计必须保持几何构型的金属配位位点,或从任意 MPNN 运行中获得穿线了设计序列的 PDB。
- 科学文献综述查找、核验并综合科学文献——从“X 领域的奠基性论文是哪篇”到完整的多来源综述。涵盖以真实检索到的来源支撑论断、避免伪造引文、处理撤稿,以及根据证据强度校准置信程度。
- 医学文献精读助手精读医学文献并提取关键信息
- Methods 段落写作助手改写可投稿的 Methods 段落
- 科研晨间简报将用户的晨间简报渲染为有样式的 HTML 产物,或将其设置为工作日循环任务。仅当用户明确要求运行、查看或设置晨间简报,或明确调用 /morning 时使用;仅询问当天安排、日程或日历并不构成晨间简报请求,应直接回答。
- OpenFold3 复合物结构预测使用 OpenFold3 进行结构预测。OpenFold3 是 AlQuraishi 实验室开发的 AlphaFold3 开放权重 PyTorch 复现。适用于使用 Apache-2.0 许可的 AF3 复现模型预测蛋白质、核酸和配体复合物结构。
- 通路富集分析助手执行通路和基因集富集分析
- ProteinMPNN 蛋白质序列设计使用 ProteinMPNN(Dauparas 等,2022,github.com/dauparas/ProteinMPNN)将蛋白质骨架(PDB 结构)逆折叠为氨基酸序列。适用于对 RFdiffusion 骨架进行序列设计、在固定界面残基的同时重新设计 PDB 中的一条链,或生成跨温度采样的序列集合供下游折叠使用。
- PyDESeq2 差异表达分析分析 bulk RNA-seq 差异表达
- QTL 共定位研究规划设计 QTL 与 GWAS 共定位分析
常见问题
ESM-2 蛋白质语言模型能做什么?
使用 Meta AI 的 ESM-2(`fair-esm` 软件包)生成蛋白质嵌入。适用于提取残基级或序列级嵌入供下游机器学习使用、进行掩码语言模型似然或突变效应评分,以及根据序列预测接触图。
如何安装ESM-2 蛋白质语言模型?
在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「ESM-2 蛋白质语言模型」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。
ESM-2 蛋白质语言模型需要哪些权限?
该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。
ESM-2 蛋白质语言模型经过官方审核吗?
是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。