--- title: ESM canonical_url: "https://www.modelscope.cn/models/OneScience/ESM" md_url: "https://www.modelscope.cn/models/OneScience/ESM.md" repository: OneScience/ESM last_updated: 2026-07-22 license: mit library_name: - pytorch frameworks: - pytorch language: - en - zh downloads: 16 stars: 1 tags: - OneScience - "生命科学" - "蛋白质语言模型" - "蛋白结构预测" - "变异效应预测" - ESM --- # ESM > ESM - OneScience 在 ModelScope 开源的模型。ESM（Evolutionary Scale Modeling）是 Meta AI / FAIR 发布的蛋白质语言模型家族，可用于蛋白质序列表征、结构预测、变异效应评估和固定骨架序列设计。 OneScience/ESM 是 ModelScope 魔搭社区上的机器学习模型，采用 mit 许可。 - **Repository**: OneScience/ESM - **License**: mit - **Tags**: OneScience, 生命科学, 蛋白质语言模型, 蛋白结构预测, 变异效应预测, ESM - **Downloads**: 16 - **Stars**: 1 - **Last updated**: 2026-07-22 Source: https://www.modelscope.cn/models/OneScience/ESM ---

ESM

# 模型介绍 ESM（Evolutionary Scale Modeling）是 Meta AI / FAIR 发布的蛋白质语言模型家族，可用于蛋白质序列表征、结构预测、变异效应评估和固定骨架序列设计。 论文：Evolutionary-scale prediction of atomic-level protein structure with a language model https://www.science.org/doi/10.1126/science.ade2574 # 模型描述 本模型包集成 ESM-1、ESM-2、MSA Transformer、ESMFold、ESM-1v 和 ESM-IF1 的 PyTorch 推理能力，并提供 DCU 运行适配。配套样例数据随 ModelScope 模型包 `OneScience/ESM` 发布。 # 适用场景 | 场景 | 说明 | | :---: | :--- | | 蛋白序列表征提取 | 输入 FASTA 文件，输出 per-token、mean、BOS 或 contact 表征 | | 蛋白结构预测 | 输入一条或多条氨基酸序列，输出对应 PDB 结构文件 | | 变异效应评分 | 输入野生型序列和 DMS 突变表，输出突变影响评分 | | 固定骨架序列设计 | 输入 PDB / CIF 结构和链 ID，采样满足骨架约束的候选序列 | | 结构条件序列打分 | 输入结构和候选序列，计算 conditional log-likelihood | | ModelScope / OneCode 运行 | 下载模型工程后，在生物领域运行环境中快速验证脚本连通性 | # 使用说明 ## 1. OneCode 使用 可通过 OneCode 在线环境体验智能化一键式 AI4S 编程： [点击体验智能化一键式 AI4S 编程](https://web-2069360198568017922-iaaj.ksai.scnet.cn:58043/home) ## 2. 手动安装使用 **硬件要求** - 推荐使用 GPU 或 DCU 运行。 - CPU 可以用于导入和小配置连通性验证，完整训练和推理速度较慢。 - DCU 用户需要预先安装 DTK，建议使用 DTK 25.04.2 以上版本或与当前集群匹配的 OneScience 推荐版本。 **环境检测** - NVIDIA GPU： ```bash nvidia-smi ``` - 海光 DCU： ```bash hy-smi ``` ### 下载模型包 ```bash modelscope download --model OneScience/ESM --local_dir ./ESM cd ESM ``` 本模型包已包含少量样例数据，可直接用于默认流程验证。 ### 安装运行环境 **DCU环境** ```bash # 请首先激活DTK及CONDA conda create -n onescience311 python=3.11 -y conda activate onescience311 # 支持uv安装 pip install onescience[bio-dcu] -i http://mirrors.onescience.ai:3141/pypi/simple/ --trusted-host mirrors.onescience.ai ``` ```bash #如果需要找不到库的情况需要激活cuda，参考下列代码 source ${ROCM_PATH}/cuda/env.sh export LD_LIBRARY_PATH="$CONDA_PREFIX/lib:$LD_LIBRARY_PATH" export LD_LIBRARY_PATH="$CONDA_PREFIX/lib/python3.11/site-packages/fastpt/torch/lib:$LD_LIBRARY_PATH" ``` 安装完成后回到模型包目录： ```bash cd ./ESM ``` ### 训练与推理数据介绍 ESM 示例使用的 FASTA、PDB / CIF 和 DMS 数据已随 [ModelScope 模型包 OneScience/ESM](https://modelscope.cn/models/OneScience/ESM) 发布，完整下载模型包后可在 `data/` 目录中直接使用。本模型包不包含训练入口，数据用于示例推理和流程验证。也可仅下载数据目录： ```bash modelscope download --model OneScience/ESM ESM/data --local_dir ./data ``` ### 训练权重 仓库已内置 `weight/`下ESM的多项权重可供推理时自行选择。 ### 准备权重 请将所需 ESM 权重放置在以下目录： ```text weight/ checkpoints/ esm2_t6_8M_UR50D.pt esmfold_3B_v1.pt esm1v_t33_650M_UR90S_1.pt esm_if1_gvp4_t16_142M_UR50.pt ... ``` 如果使用共享运行目录，也可以通过环境变量指定权重位置： ```bash export ESM_WEIGHT_DIR=/path/to/esm/weight ``` 默认示例会读取： - `weight/checkpoints/esm2_t6_8M_UR50D.pt` ESMFold、ESM-1v 和 ESM-IF1 示例需要对应权重可用。 ### 默认示例 ```bash bash scripts/infer.sh ``` 默认示例会读取 `data/fasta/few_proteins.fasta`，使用 `esm2_t6_8M_UR50D.pt` 提取蛋白表征，并将结果保存至 `outputs/embeddings/`。 ### 序列表征提取 ```bash python scripts/extract.py \ weight/checkpoints/esm2_t6_8M_UR50D.pt \ data/fasta/few_proteins.fasta \ outputs/embeddings \ --include mean per_tok \ --repr_layers 6 ``` ### ESMFold 结构预测 ```bash python scripts/fold.py \ -i data/fasta/few_proteins.fasta \ -o outputs/pdb \ --model-dir weight \ --cpu-only ``` 输出目录会生成一个或多个 `.pdb` 文件。正式 GPU / DCU 推理时，可去掉 `--cpu-only`，并根据显存情况设置 `--chunk-size` 或 `--max-tokens-per-batch`。 也可以通过默认脚本显式启用 ESMFold： ```bash RUN_ESMFOLD=1 bash scripts/infer.sh ``` ### inverse folding 序列采样 ```bash python scripts/inverse_folding/sample_sequences.py \ data/inverse_folding/5YH2.pdb \ --chain A \ --outpath outputs/sampled_seqs.fasta \ --num-samples 1 \ --nogpu ``` ### inverse folding 序列打分 ```bash python scripts/inverse_folding/score_log_likelihoods.py \ data/inverse_folding/5YH2.pdb \ data/inverse_folding/5YH2_mutated_seqs.fasta \ --chain A \ --outpath outputs/sequence_scores.csv \ --nogpu ``` ### 变异效应预测 变异效应预测需要提供与 DMS 突变列匹配的野生型序列： ```bash python scripts/variant_prediction/predict.py \ --model-location esm1v_t33_650M_UR90S_1 \ --sequence "${ESM_VARIANT_SEQUENCE}" \ --dms-input data/variant_prediction/BLAT_ECOLX_Ranganathan2015.csv \ --mutation-col mutant \ --dms-output outputs/variant_prediction.csv \ --offset-idx 24 \ --scoring-strategy wt-marginals ``` # 数据格式 样例数据默认存放在 `data/` 下： ```text data/ fasta/ few_proteins.fasta some_proteins.fasta inverse_folding/ 5YH2.pdb 5YH2.cif 5YH2_mutated_seqs.fasta example.json variant_prediction/ BLAT_ECOLX_Ranganathan2015.csv rho_pp.csv aggregated_rho.csv aggregated_rho_round3.csv ``` 其中： - FASTA 文件用于序列表征提取和结构预测。 - PDB / CIF 文件用于 inverse folding 采样和结构条件序列打分。 - 变异效应预测 CSV 需包含突变列，默认示例列名为 `mutant`，突变格式形如 `A123B`。 - 自定义 DMS 数据需要保证 `--sequence` 提供的野生型序列与突变列中的野生型氨基酸一致。 # 验证 静态导入检查： ```bash python scripts/check_import_boundaries.py ``` 语法检查： ```bash python -B -c "import ast, pathlib; [ast.parse(p.read_text(encoding='utf-8'), filename=str(p)) for root in ['model', 'scripts', 'tests'] for p in pathlib.Path(root).rglob('*.py')]" ``` # OneScience 官方信息 | 平台 | OneScience 主仓库 | Skills 仓库 | | --- | --- | --- | | Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills | | GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills | # 引用与许可证 - 本仓库基于 ESM 开源模型进行 DCU 适配。 - ESM 相关源码使用 MIT License，见 `LICENSE`。模型权重和数据的使用条款请以对应发布方说明为准。 - 科研使用请根据具体子模型引用对应 ESM 原始论文；ESM-2 / ESMFold 请引用：[Evolutionary-scale prediction of atomic-level protein structure with a language model](https://www.science.org/doi/10.1126/science.ade2574)。