---

ESM3介紹

ESM3是由EvolutionaryScale（前Meta團隊）開發的一款蛋白質大語言模型，于2025年以《用語言模型模擬 5 億年的進化》為題正式發表在Science上
文章鏈接: https://www.science.org/doi/10.1126/science.ads0018

文章展示了一個例子，如何用ESM3設計新型綠色熒光蛋白（GFP），設計出的新蛋白與自然界中最相近的序列相比也僅有58%的相似度，證明該模型在拓展蛋白質新編碼空間上具有巨大潛力。

盡管該science論文主推ESM3的蛋白質設計功能，本文僅介紹如何使用ESM3的蛋白質結構預測功能

---

ESM3在線使用

使用EvolutionaryScale的在線網站可以預測結構、生成新蛋白，速度非常快，500個氨基酸左右的蛋白結構基本幾秒內就可以給出，比AlphaFold3快不少

鏈接: https://forge.evolutionaryscale.ai/tools/predict

注意非商業使用需要通過學術機構后綴的郵箱來申請

本地使用api批量預測

如果你不想下載那些很大的權重文件到本地，或者你沒有算力足夠的機器來運行，可以使用官方提供的api來進行批量預測

首先需要在你的電腦上安裝esm3，非常簡單，只需要

pip install esm

即可安裝

安裝完畢后在EvolutionaryScale上獲取你的api keys

在下面填入你 EvolutionaryScale的token即可，兩個都是可以免費獲取的

from esm.sdk import client
from esm.sdk.api import ESM3InferenceClient, ESMProtein, GenerationConfigmodel: ESM3InferenceClient = client("esm3-large-2024-03", token="<your evolutionary token>")sequence= "MALWMRLLPLLALLALWGPDPAAAFVNQHLCGSHLVEALYLVCGERGFFYTPKTRREAEDLQVGQVELGGGPGAGSLQPLALEGSLQKRGIVEQCCTSICSLYQLENYCN"
# 替換為你感興趣的蛋白序列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時可以有以下幾種模型進行選擇，替換client的模型名稱即可：

同時預測時num_steps和temperature參數都是可調的，num_steps越多消耗的tokens數也越多

每日默認總積分數只有10分，在Credits處可查

可以通過填寫一下表格申請到每日100個credits，填了一下發現幾分鐘就給通過了，估計也沒有人工審批

ESM相較于AlphaFold的優勢

之前一直想做大規模蛋白質結構預測，盡管ColabFold和AlphaFold 3都已經公開可用，但這兩個模型都需要進行多序列比對，而這一步在部署到本地后十分耗時，之前本人嘗試過結果表明一個200氨基酸左右的序列需要近20分鐘才能預測完成。

相比之下，如今使用ESM3每個蛋白預測時間在num_steps數設置合適的時候半分鐘不到就可以預測完成，極大提高效率。而Credits限制的問題可以通過開多個賬號或者本地部署ESM3模型來解決，比解決AlphaFold MSA的問題方便多了。