Biohub把蛋白質AI推向開放舞台，從結構預測走到分子設計驗證

當生物醫學AI談到「世界模型」時，最容易滑向抽象口號。Biohub這次發布的ESM系統之所以引人注意，是因為它把問題拉回蛋白質這個可被實驗檢驗的層次：模型不只預測序列或結構，還試圖協助設計能與特定標的結合的蛋白質介面，並把部分結果送進實驗室測試。

根據Axios報導與Biohub公開資料，這項發布包含三個主要組成：蛋白質語言模型ESMC、結構預測與設計模型ESMFold2，以及擴大的ESM Atlas。Biohub在GitHub頁面把它稱為「蛋白質生物學的世界模型」，並表示ESM Atlas涵蓋68億個蛋白質序列，其中超過10億個結構由ESMFold2預測生成。

ESMC扮演的是讀懂蛋白質序列的底層模型角色。Biohub在Hugging Face模型卡中描述，ESMC以數十億條蛋白質序列訓練，可用於蛋白質表徵與治療性蛋白工程；其中ESMC-6B版本有60億參數、80層，訓練資料來源包括UniRef、MGnify與美國能源部聯合基因研究所的序列資料，並以70%序列相似度聚類。公開頁面也列出ESMC-300M、600M與6B等模型家族，意味著研究者可依運算資源選擇不同規模。

ESMFold2則把序列資訊推向三維結構與分子互作假說。Biohub的模型卡稱，ESMFold2可由胺基酸序列預測全原子三維結構，並可選擇性納入多序列比對資料；它也被描述為能處理蛋白質以外的生物分子情境，包括小分子、DNA、RNA與修飾胺基酸。不過這些能力仍是模型輸出，Biohub也明確提醒，預測結果是機器生成的假說，不能取代實驗結構測定。

這項發布較具生物醫學意義的一點，在於Biohub宣稱部分模型設計出的蛋白質介面已經通過實驗檢驗。其GitHub資料提到，ESMFold2在五個治療相關標的上，對從頭設計的微型結合蛋白與抗體衍生scFv進行實驗驗證，並報告有高命中率、奈米莫耳級親和力、標的特異性與功能活性。這讓它不同於單純展示漂亮結構圖的AI工具，但公開摘要仍不足以判斷這些分子離藥物候選品、動物研究或人體試驗還有多遠。

擴大的ESM Atlas也可能改變研究者進入未知蛋白質空間的方式。過去，許多環境微生物或未培養生物的蛋白質只有序列，缺乏結構線索；若十億級預測結構能被快速查詢，研究者便可更有效率地提出酵素功能、病毒蛋白互作或新型結合分子的假說。這種圖譜的價值不在於每個預測都正確，而在於把龐大的序列黑箱轉化成可優先排序、可再驗證的候選問題。

但從研究工具到醫療產品，中間仍有一條很長的證據鏈。蛋白質設計若要進入治療用途，必須面對免疫原性、穩定性、製造、體內分布、安全性與監管審查；模型在基準測試或體外實驗中的表現，也不等於能預測人體內的複雜反應。Biohub選擇開放程式碼、模型權重、資料集與設計系統，有助於讓更多實驗室重現、挑戰與擴展這些結果；真正的考驗，將在開放社群能否把這套工具轉化為可靠、可重複的生物學發現。