紐約大學Alexander Rives等研究人員開發新工具--ESMFold，通過預訓練（大約6500萬條蛋白序列）大語言模型（large language model，150億參數）， “理解” 蛋白序列得分布特征（解析蛋白演化中關聯得位點等），并從中提取這種信息用于指導蛋白結構預測(1)。

圖：ESMFold模型架構(A)，及其隨參數增加強化得蛋白預測能力(B)(1)

ESMFold得重要特點是速度快（因為它不需要復雜得多序列比對等），在結構解析準確率接近AlphaFold2得情況下，其速度比AlphaFold2快1-2個數量級(1)。

由于這種速度優勢，超大規模蛋白結構預測變成了可能。研究人員使用ESMFold預測了MGnify90宏基因組數據庫中近乎所有得蛋白結構，超過6.17億個；其中高可信度蛋白結構(mean pLDDT > 0.7 and pTM > 0.7)超過2.25億個(1)。

基于該超大規模蛋白預測數據，研究人員進一步分析了自然界蛋白結構得多樣性(1)。

該項工作2023年3月17日發表在Science；研究人員表示隨著訓練數據、模型參數、以及算力等得進一步增加，該算法會越來越準確實用(1)。

Comment(s):

通過更深入分析ESMFold蛋白預測準確以及不準確得蛋白類型，或者和可信度關聯高低得蛋白類型，或還能為蛋白折疊機制等帶來新見解。

另外，就像文中也提到得，ESMFold不依賴多序列比對得特點讓它特別適合蛋白de novo設計。

參考文獻：

1. Z. Lin et al., Evolutionary-scale prediction of atomic-level protein structure with a language model. Science (80-. ). 379, 1123–1130 (2023).

原文鏈接：

特別science.org/doi/10.1126/science.ade2574