ESM-2 论文精读：蛋白语言模型为什么能预测结构，但不是 AlphaFold 替代品

ESM-2 是 Meta AI 的大规模蛋白语言模型，相关 Science 2023 工作用 ESMFold 展示了单序列结构预测和大规模 metagenomic 结构预测能力。它的意义是把蛋白序列预训练推到结构生物学核心任务中。

为什么有效

• 自监督预训练：在海量蛋白序列上学习氨基酸上下文和进化统计规律。
• 免 MSA：不依赖每次运行时搜索多序列比对，因此推理速度快。
• 结构迁移：ESMFold 把语言模型表示接到结构模块，预测单链结构。

不能夸大

• 速度快不等于任何场景更准；AF2/AF3 在很多高精度结构任务上仍更强。
• 对复合物、配体、构象变化、无序区，不能只看单序列预测。
• 用于药物靶点时，必须看 pLDDT/PAE、口袋可信度和实验结构证据。

延伸资源

• 论文：Lin et al., Science 2023；配套：116《ESMFold》。