ESM 进化规模建模

要解决什么问题

蛋白质工程、药物发现与结构生物学里，常见需求是：在序列、结构、功能三条线上同时推理——补全或生成新序列、从序列估结构或反过来做反向折叠、还要把序列变成可用于分类/相似性/迁移学习的向量。纯规则或传统同源方法往往难以覆盖「按功能或结构约束去设计」这类生成式任务。

技能如何工作

本技能封装 EvolutionaryScale 的 ESM 两套模型族：

• ESM3（生成式）：多模态生成，支持序列生成、结构轨道（结构预测 / 反向折叠）、功能轨道（功能条件化生成与注释），以及链式思维迭代优化设计；可通过 Forge API 使用更大规格模型并做异步批量处理。
• ESM C（表示学习）：为单条或批量序列产出高质量嵌入，用于功能预测、聚类、相似性分析与下游 ML。

选型上：esm3-sm-open-v1 适合本地实验；生产质量常用 Forge 上的 esm3-medium-2024-08；嵌入侧可在 esmc-300m 到 esmc-6b 间按精度与吞吐取舍。生成任务可用温度控制多样性；复杂设计建议结合链式思维，并用结构预测或实验做验证。

适用边界与注意点

• 大参数 ESM3（如 98B）与部分规格仅 Forge 提供；本地开发需接受开放权重小模型的能力上限。
• 生成序列不等于已验证蛋白：应遵循负责任生物设计框架，并在湿实验前评估生物安全与伦理。
• 细节参数、多模态提示与完整工作流见技能内 references/（如 esm3-api.md、esm-c-api.md、forge-api.md、workflows.md）。