ESMFold：快速蛋白结构预测实战

ESMFold 把 ESM-2 蛋白语言模型的表征直接接上结构预测头，不需要多序列比对（MSA），从单条序列一步预测三维结构。对比 AlphaFold2 动辄几十分钟的 MSA 检索，ESMFold 单个中等蛋白通常在秒级完成——这个数量级差异决定了它的使用场景。

部署

pip install fair-esm[esmfold]
# 或用 HuggingFace 实现（依赖更少）
pip install transformers accelerate

import torch
from transformers import AutoTokenizer, EsmForProteinFolding

tok = AutoTokenizer.from_pretrained("facebook/esmfold_v1")
model = EsmForProteinFolding.from_pretrained("facebook/esmfold_v1").cuda()
model.esm = model.esm.half()            # 半精度省显存

seq = "MKTVRQERLKSIVRILERSKEPVSGAQLAEELSVSRQVIVQDIAYLRSLGYNIVATPRGYVLAGG"
inputs = tok([seq], return_tensors="pt", add_special_tokens=False).to("cuda")
with torch.no_grad():
    out = model(**inputs)
pdb = model.output_to_pdb(out)[0]
open("pred.pdb", "w").write(pdb)
print("mean pLDDT", out["plddt"][0, :, 1].mean().item())

约需 16 GB 以上显存（半精度可降低）；也可用 ESM Metagenomic Atlas 的在线 API 免部署试用。

速度与精度的取舍

关键判断：当目标蛋白有丰富同源序列时，AF2 更准；当 MSA 很浅或根本没有（宏基因组序列、人工设计序列、快速演化的病毒蛋白）时，ESMFold 的相对劣势小得多，甚至是更实际的选择。

最适合的三个位置

• 大规模预测：几万到几百万条序列的结构预测，只有免 MSA 方法在成本上可行。ESM Metagenomic Atlas 用它预测了逾 6 亿个宏基因组蛋白结构，就是这个用法。
• 快速迭代环节：蛋白设计中每轮生成大量候选序列，需要快速过一遍结构合理性，此时秒级预测的价值远大于最后几个点的精度。
• 初筛后精化：ESMFold 粗筛 → 挑出的少数候选再用 AF2 / Boltz 精算。这是最常见的工程组合。

使用注意

• 看 pLDDT 分区判读：>90 很可信，70～90 骨架大致正确，50～70 需谨慎，<50 常提示无序区（这本身也是有用信息）。
• 不做复合物：只预测单链。多链体系要用 AF-Multimer、Boltz（见 192《Boltz》）或 Chai-1（见 193《Chai-1》）。
• 长序列受限：超长蛋白显存吃紧，通常需要分域处理。
• 不预测配体与辅因子：这是 AF3 类模型才有的能力。

延伸资源

• 底层模型：194《ESM》；对照实现：191《OpenFold》、192《Boltz》、193《Chai-1》；
• 结构预测置信度解读见「结构与模拟」模块。