ESM: geração de proteínas, embeddings e dobramento

Quando usar

Use para o SDK esm da Biohub: geração multimodal mascarada ESM3, representações de sequência ESMC e predição de átomo completo ESMFold2. A plataforma Forge anterior migrou para https://biohub.ai, incluindo ESM3; os nomes das classes do SDK ainda contêm Forge. Esta habilidade tem como alvo a versão lançada esm 3.4.1.post1, verificada contra seu wheel e a documentação oficial atual.

fair-esm é a distribuição ESM2/ESMFold/ESM-IF separada e mais antiga da Meta. Ambos os pacotes importam como esm; instale-os em ambientes separados. A interface legada esm.pretrained.esm2_* não é a interface ESMC da Biohub. A implementação nativa ESMC do Hugging Face Transformers é outra API: não intercale seus requisitos de versão ou tipos de saída com este SDK.

Configuração e escolha do modelo

uv venv --python 3.12 .venv-esm
uv pip install --python .venv-esm/bin/python "esm==3.4.1.post1"

O lançamento declara Python >=3.12, Torch >=2.11,<2.12 e Transformers >=4.57.6,<5. Python 3.12, Torch 2.11.0 e Transformers 4.57.6 foram testados em CPU. Instalações Linux x86_64 incluem dependências específicas de GPU; use uma máquina de inferência suportada e reserve espaço em disco. Flash Attention é opcional; é desnecessário para os testes pequenos de CPU. Não instale esta pilha em um ambiente compartilhado contendo pins incompatíveis de Transformers ou Torch.

Pesos ESMC 6B agora estão disponíveis localmente. Os cartões de modelo atuais da Biohub identificam licenciamento MIT, com cartões ESMC também vinculando avisos de terceiros; revise o cartão exato do artefato selecionado e os requisitos de acesso. A classe mais antiga ESMC permanece como um wrapper de compatibilidade depreciado. Tamanhos de modelo locais, disponibilidade hospedada e cotas de conta são restrições diferentes; um modelo maior não garante melhor desempenho em um ensaio específico.

Fluxo de trabalho

1. Especifique o mapeamento de sequência/cadeia/resíduo e se o objetivo é geração, extração de representação ou dobramento. Preserve os IDs de entrada e a proveniência da origem. Rejeite ... acidentais, espaços, cabeçalhos FASTA ou lacunas em sequências simples de cadeia única em vez de excluí-los silenciosamente.
2. Escolha um checkpoint local ou um ID de modelo hospedado explícito. Registre o SDK, a revisão do checkpoint, as configurações do modelo, as localizações de máscara e a semente aleatória onde suportado.
3. Verifique cada resultado do SDK em busca de ESMProteinError. Falhas hospedadas podem ser retornadas como valores. Use timeouts de solicitação finitos, gerenciadores de contexto e concorrência limitada. Veja contratos hospedados.
4. Valide o contrato de saída: comprimento da sequência e resíduos fixos, eixos de embedding apenas de resíduos, ou mapeamento de cadeia/átomo e confiança. Mantenha as predições do modelo separadas da validação experimental.
5. Salve sequências/estruturas com configurações e identificadores. Evite caches indexados apenas por sequência quando as configurações de modelo, estrutura, função ou geração diferirem.

Conclusão ESM3 e predição de estrutura nova

Inferência pré-treinada ilustrativa; nenhum peso ou trabalho hospedado foi executado nesta atualização. Esta sequência de exemplo demonstra a mecânica da API, não um design funcional.

import torch
from esm.models.esm3 import ESM3
from esm.sdk.api import ESMProtein, ESMProteinError, GenerationConfig

model = ESM3.from_pretrained("esm3-sm-open-v1", device=torch.device("cpu"))
prompt = "MPRT___KEND"
completed = model.generate(
    ESMProtein(sequence=prompt),
    GenerationConfig(track="sequence", num_steps=3, temperature=0.7),
)
if isinstance(completed, ESMProteinError):
    raise completed
assert completed.sequence is not None and len(completed.sequence) == len(prompt)
assert "_" not in completed.sequence
assert all(a == "_" or a == b for a, b in zip(prompt, completed.sequence))

# Um prompt de sequência nova impede que coordenadas antigas condicionem a verificação.
folded = model.generate(
    ESMProtein(sequence=completed.sequence),
    GenerationConfig(track="structure", num_steps=8),
)
if isinstance(folded, ESMProteinError):

…