ESM3：给出蛋白质的一部分，让模型补出序列与结构

已经知道蛋白质中一段重要区域，想保留它，再为周围设计新的部分，这是比“预测这条序列长什么样”更进一步的问题。ESM3 接受不完整的序列、结构和功能条件，在这些信息之间补空，提出新的蛋白质候选。它让人看到，蛋白质模型的输入可以从完整答案的一端，移到设计约束的一端。

这篇适合对 AI 科研感兴趣、希望读懂蛋白质设计案例的人。ESM3 最初由 EvolutionaryScale 推出，当前官方入口已迁至 Biohub；ESM 仓库首页主要介绍 ESMC、ESMFold2 和 Atlas，阅读 ESM3 要进入专门文档，避免把同一家族的新模型能力混在一起。

“提示”是几条可以留空的信息轨道

序列描述氨基酸的排列，结构描述它们在空间中的组织，功能信息则为设计提供生物学条件。ESM3 把这些信息表示成可被遮住、可被预测的符号。在生成时，模型逐步填入未知位置；输入中已经提供的信息，构成它补全其余部分时的条件。

因此，给它一个功能关键词，与对聊天机器人说“设计一种万能蛋白”有很大距离。功能条件要与序列、位置和结构等信息一起解释，输出依然是待检验的候选。官方早期介绍中的 PETase 例子就同时给出活性位点的结构与氨基酸，再加入水解酶相关功能条件，让模型提出周围的支架。这个例子展示条件怎样组合，并未证明生成物已经能处理现实中的塑料废物。原始发布说明还说明，部分训练结构与功能信息来自预测数据，不能把训练条目数全当成实验验证数。

官方模型示意。底部不同颜色的轨道分别承载序列、结构及其他属性，斜线格表示遮住的位置；模型在联合条件下预测各轨道。左侧结构信息也参与处理。来源：ESM3 专属文档。打开原图可查看细节。

顺着官方补全示例走一次

专属文档给出了碳酸酐酶的部分序列提示：中间保留一段已知氨基酸，两端用空位表示。第一步让模型补全序列轨道，得到一条完整候选；第二步为这条候选生成结构，再导出 PDB 文件，供结构查看软件继续使用。这是一条从残缺输入到可查看三维模型的连续路径，本文未运行该示例。

示例随后还有一次“往返”：清掉序列，只保留结构条件，重新生成序列；再清掉坐标，用新序列重新预测结构。这个安排值得记住，因为它让“符合某种形状的序列有哪些”与“这条序列会形成什么形状”进入同一套交互流程。输出是否足够接近、能否表达和具有目标活性，还要另行比较和实验确认。

从这段材料出发，我会把 ESM3 看作探索候选空间的工具：研究者能够保留确定的局部，把不确定部分交给模型提出可能方案。它真正改变的是提问方式和候选形成过程。单凭一份漂亮的 PDB 文件，尚不能跨过结构预测到功能成立之间的距离。

看清自己拿到的是哪个 ESM3

ESM3 是一个模型家族。专属文档分别列出大、中、小型号；论文中的最大型号与本地可下载的小模型需要分开看。公开权重 esm3-sm-open-v1 是本地起点，其他型号的获取方式以当前 Biohub 平台为准。不要把旗舰型号的研究结果，自动写成本地小模型能复现的表现。

当前小模型卡和专属文档将该模型及相关代码列为 MIT 许可，允许按条款开展商业使用；模型训练用过的数据及其他型号的服务条款应分别核对。旧介绍里的许可与平台名称可能已经变化，选用时应回到当前对应型号的页面。

如果只是想理解怎样组合条件，可以从Biohub 的 ESM3 页面进入生成与蛋白质对象教程；要实际生成，还需要本地计算环境和权重访问，或平台 API 权限。对普通 AI 读者，最值得带走的发现是：这里的“提示”不只是一句话，它可以是一块需要保留的分子结构，以及围绕它尚待填写的空间。