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。

官方收录发布者 Codar安全审核通过v0.1.0更新于 2026-08-28

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 esmfold2 skill。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
Python3.8+3.11
CUDA11.7+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_UR50D63208 M快速冒烟测试/小型嵌入
esm2_t33_650M_UR50D331280650 M默认嵌入模型
esm2_t36_3B_UR50D3625603 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

Codar 生物医学基础能力集成生物分子结构预测、蛋白质设计、基因组与单细胞分析、生信数据库检索、组学研究规划、医学文献与 Codar 生信论文写作能力。

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

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。