SuperAPI AI 工具集

esm

智能体与模型

查看项目

更新于 10-21 18:24

技能介绍

ESM(Evolutionary Scale Modeling)提供用于理解、生成和设计蛋白质的蛋白质语言模型。本技能面向当前 EvolutionaryScale/Biohub 工作流,涵盖 ESM3 生成式设计、ESMC 表示学习与嵌入、Forge/Biohub 托管推理,以及 ESMFold2 全原子结构预测。

一、主要能力

  1. 使用 ESM3 进行蛋白质序列生成:通过多模态生成建模生成具有目标性质的新蛋白质序列,可用于设计具有特定功能性质的蛋白质、补全部分蛋白质序列、生成已有蛋白质的变体、创建具有目标结构特征的蛋白质。示例中通过 ESMProtein(sequence="MPRT___KEND") 以“_”表示掩码位置,并用 GenerationConfig(track="sequence", num_steps=8) 生成补全。远程/云端可通过 Forge API 使用相同接口,模型如 esm3-medium-2024-08,令牌来自 ESM_API_KEY。

  2. 结构预测与反向折叠:使用 ESM3 的结构轨道从序列预测结构,或从结构设计序列(反向折叠)。结构预测通过 GenerationConfig(track="structure", ...) 完成,可访问 coordinates 与 to_pdb();反向折叠通过 ESMProtein.from_pdb() 载入结构、将 sequence 置为 None,再以 track="sequence" 生成序列。

  3. 使用 ESM C 生成蛋白质嵌入:为功能预测、分类或相似性分析等下游任务生成高质量嵌入,可用于提取蛋白质表示用于机器学习、计算序列相似性、蛋白质分类的特征提取、蛋白质相关任务的迁移学习。示例使用 ESMC.from_pretrained("esmc_300m"),通过 model.encode() 与 model.logits(..., LogitsConfig(sequence=True, return_embeddings=True)) 获取 embeddings,并支持批量处理。

  4. 功能条件化与注释:使用 ESM3 的功能轨道生成带特定功能注释的蛋白质,或从序列预测功能。示例通过 FunctionAnnotation(label="fluorescent_protein", start=50, end=150) 指定功能区域。

  5. 思维链生成:使用 ESM3 的思维链生成方式迭代优化蛋白质设计,例如先生成初始结构,再基于结构优化序列,再预测功能。

  6. 使用 Forge API 批量处理:通过 Forge 的异步方法高效处理多个蛋白质,示例使用 client.async_generate() 与 asyncio.gather 并发执行。

二、模型选择

ESM3 生成模型:esm3-open(1.4B,接受 Hugging Face 许可后本地使用开放权重);esm3-medium-2024-08(7B,质量与速度平衡最佳,仅 Forge);esm3-large-2024-03(98B,质量最高但较慢,仅 Forge)。

ESM C 嵌入模型:esmc_300m / esmc-300m-2024-12(30 层,轻量快速,开放权重本地);esmc_600m / esmc-600m-2024-12(36 层,性能均衡,开放权重本地);esmc-6b-2024-12(80 层,质量最高,Forge API;本地 6B 权重需 Forge 或 SageMaker)。本地 ESMC.from_pretrained() 使用下划线别名(esmc_300m、esmc_600m),托管 API 客户端使用带日期的模型 ID(如 esmc-600m-2024-12)。

选择标准:本地开发/测试用 esm3-open 或 esmc_300m;生产质量用 Forge 的 esm3-medium-2024-08;最高精度用 Forge 的 esm3-large-2024-03 或 esmc-6b-2024-12;高吞吐用 Forge 或 Biohub API 并显式限制异步并发;成本优化用更小模型并实施缓存策略。

三、安装与认证

从 PyPI 安装(EvolutionaryScale 的 esm 包),当前 PyPI 版本为 3.2.3(2025 年 10 月 14 日),要求 Python >=3.12,<3.13。基础安装:uv pip install "esm==3.2.3"。如需 Flash Attention(推荐用于 NVIDIA GPU 上更快推理):uv pip install "esm==3.2.3" 后执行 uv pip install flash-attn --no-build-isolation。Forge 客户端随 esm 包提供,ESM3 或 ESMC 的 Forge 推理无需额外安装。

Forge API 访问需要 API 密钥,切勿在脚本中硬编码令牌或提交到版本控制。检查环境中是否已设置 ESM_API_KEY;若未设置,仅检查本地 .env 中的 ESM_API_KEY(不要加载无关密钥);若仍缺失,在 Biohub 开发者控制台创建密钥(用于 Biohub API),或为旧版 Forge 托管的 ESM3/ESMC 访问在 Forge 创建。esm.sdk.client() 在省略 token 时会自动读取 ESM_API_KEY。端点 URL 应固定为可信主机,如 https://forge.evolutionaryscale.ai 或 https://biohub.ai,不要从不可信用户输入获取 API 主机。Biohub 平台:EvolutionaryScale 与 Forge 现在通过 biohub.ai 提供当前托管模型,SDK 类名可能仍引用“Forge”。

四、常见工作流与参考文档

references/workflows.md 包含:使用思维链设计新型 GFP、蛋白质变体生成与筛选、基于结构的序列优化、功能预测流水线、基于嵌入的聚类与分析。其他参考文档:references/esm3-api.md(ESM3 模型架构、API 参考、生成参数、多模态提示)、references/esm-c-api.md(ESM C 模型细节、嵌入策略、性能优化)、references/forge-api.md(Forge 平台文档、认证、批处理、部署)、references/biohub-platform.md(Biohub API 迁移、ESMFold2 结构预测、开发者控制台认证)。

五、最佳实践

生成任务:先用较小模型原型(esm3-open);用 temperature 控制多样性(0.0 确定性,1.0 多样性);对复杂设计实施思维链迭代优化;用结构预测或湿实验验证生成序列。嵌入任务:尽可能批量处理序列以提高效率;缓存重复分析的嵌入;计算相似性时归一化嵌入;根据下游任务需求选择合适模型大小。生产部署:使用 Forge API 获得可扩展性与最新模型;为 API 调用实现错误处理与重试逻辑;监控令牌用量并实施速率限制;考虑 AWS SageMaker 部署专用基础设施。

六、资源与负责任使用

GitHub 仓库:https://github.com/Biohub/esm;Forge 平台:https://forge.evolutionaryscale.ai;Biohub 平台:https://biohub.ai;科学论文:Hayes et al., Science (2025),https://www.science.org/doi/10.1126/science.ads0018;博客:ESM3 发布 https://www.evolutionaryscale.ai/blog/esm3-release,ESM C 发布 https://www.evolutionaryscale.ai/blog/esm-cambrian;社区 Slack:https://bit.ly/3FKwcWd;模型权重:Hugging Face 的 EvolutionaryScale 与 Biohub 组织。ESM 面向蛋白质工程、药物发现与科学研究的有益应用,设计新型蛋白质时应遵循 Responsible Biodesign Framework(https://responsiblebiodesign.ai/)与 Biohub 可接受使用政策(https://biohub.org/acceptable-use-policy/),在实验验证前考虑生物安全与伦理影响。

七、智能体操作流程与完整性规则

操作流程:检查环境(确认工具版本、参考基因组/注释构建与输入格式如 FASTQ、BAM、VCF、h5ad);明确输入(从数据或用户确认格式、标识符与参数,对会改变结果的取值应询问而非猜测);先运行小规模版本(单样本、单染色体、几千个细胞);按上述说明与参考执行完整任务;验证结果(检查 QC 指标、样本身份、基因组构建一致性、批次效应);报告(说明运行内容、版本、命令、参数,检查了什么,以及仍不确定之处)。异常处理:输入间基因组构建或标识符不匹配时停止并先协调(liftover、ID 映射);若说明中的函数、标志或端点在已安装版本中缺失,查阅该版本自身文档(help()、--help、官方文档)并告知用户,绝不虚构 API;必需输入、标识符或参数不明确时询问用户或明确说明假设后再运行。完整性规则:绝不捏造结果、参数、标识符、引用或统计;无法运行或验证时如实说明;不超出统计支持范围解释生物学意义,报告多重检验校正;将版本相关细节视为可能过时,对照已安装版本的官方文档确认;在涉及花钱、占用共享 GPU 或云配额、触及个人或患者数据、或不可撤销的操作前先询问。

八、相关技能

sentence-transformers:使用 Python sentence-transformers(SBERT)库与预训练 Hugging Face 模型在本地生成句子、文本与图像嵌入。adaptyv:如何使用 Adaptyv Bio Foundry API 与 Python SDK 进行蛋白质实验设计、提交与结果检索。tamarind:通过 REST API 或 MCP 服务访问 Tamarind Bio 平台上的开源分子设计与结构生物学工具集合。