Biohub 刚刚开源了一个映射 68 亿蛋白质的 AI 引擎——这对药物发现意味着什么

2026 年 5 月 27 日，由马克·扎克伯格和普莉希拉·陈共同创立的非营利研究机构 Biohub，发布了被称为“蛋白质生物学世界模型”的开源 AI 引擎 。该引擎代表进化尺度建模（ESM）的第四代模型，能够预测蛋白质结构、绘制生命进化树上的蛋白质图谱，并设计出在实验室实验中真实起效的新型蛋白质结合剂 。

这次发布不仅仅是模型升级。这是 Biohub 于 2026 年 4 月 29 日宣布的 5 亿美元虚拟生物学计划（Virtual Biology Initiative）的首个重大科学产出，该计划的终极目标是构建人类细胞的预测模型 。以下是对此次发布内容的清晰梳理，包括它如何加速药物发现、已取得的实验室成果以及获取途径。

核心组件：ESMC、ESMFold2 与 68 亿蛋白质图谱

本次发布包含三个核心组件，每个组件在蛋白质研究工作流中扮演着独特角色。

ESMC（ESM Cambrian） 是一个蛋白质语言模型，使用从生命演化各阶段收集的约 28 亿条序列训练而成，涵盖了包括嗜极生物和超过 20,000 种人体蛋白质在内的广泛数据 。与 Biohub 的旗舰 ESM3 生成式模型并行，ESM3 专注于面向治疗应用的可控蛋白质生成，而 ESMC 则专长于生成捕捉蛋白质底层生物学特性的表征。Biohub 将 ESMC 定位为更早期模型（如 ESM2）的直接替代品 。

ESMFold2 是 ESM3 架构内的蛋白质结构预测引擎。它能直接从氨基酸序列预测原子级精度的蛋白质结构，速度和准确性均达到业界前沿水平，并且无需传统方法中耗时的多序列比对步骤 。正是这种速度，让大规模的结构覆盖成为可能。

ESM Atlas 获得了极大扩充。最初由 Meta FAIR 发布的 ESM 宏基因组图谱覆盖了约 6 亿个蛋白质结构 。Biohub 更新的图谱现涵盖 68 亿个蛋白质，并提供了 11 亿个预测结构，将覆盖范围提升了一个数量级，对蛋白质宇宙的探索也随之大幅扩展 。

此外，本次发布还包括 esm3-sm-open-v1，这是一个生成式模型，训练于 27.8 亿种天然蛋白质，并通过合成数据增强至 31.5 亿条序列、2.36 亿个结构、5.39 亿条功能注释，总标记数（tokens）达到 7710 亿 。该模型以非商业许可证发布，供学术和非营利机构使用 。

这些工具如何加速药物发现

这套工具的核心承诺在于速度和规模。传统上，设计和验证治疗性蛋白质结合剂需要数月乃至数年的反复湿实验工作。Biohub 的工具通过三种能力将这一过程压缩到数周或数天：

• 从头设计蛋白质结合剂：研究人员可以通过计算设计出特异性靶向疾病相关蛋白质的结合剂，在任何实验室工作开始前就能在计算机中生成候选药物 。
• 绘制蛋白质空间的“暗物质”：绝大多数蛋白质从未被实验表征过。ESM Atlas 提供了全生命进化树的预测结构，使研究人员能以计算方式探索这片未经开拓的领域 。
• 高通量的计算机内筛选：数十亿条蛋白质序列可以通过计算进行筛选，大幅降低早期药物开发阶段的成本和失败率 。

实验室结果：能真正起效的结合剂

对 AI 设计蛋白质的一个反复出现的批评是：它们在计算机上看起来不错，但在实验室里却会失效。Biohub 报告了截然相反的结果。使用这些模型完全在计算机内设计的结合剂，已在真实的实验室实验中得到了验证——AI 设计的蛋白质确实能结合预定的靶标 。

Biohub 科学主管 Alex Rives 表示：“我们证明了这些模型已获得对生物过程极为精准的表征，从而可以对蛋白质界面进行计算机设计，然后拿到实验室中测试，并得到预期结果” 。这意味着模型已掌握了足够底层生物学规律，能够产出功能性设计，而无需反复的湿实验优化。

与 5 亿美元虚拟生物学计划的关联

2026 年 4 月 29 日，Biohub 宣布了 虚拟生物学计划（VBI）——一项为期五年、总投入 5 亿美元的计划，旨在建设构建人类细胞预测模型所需的多模态数据集和 AI 模型 。在这笔资金中，有 1 亿美元用于协调全球数据生成工作，另 4 亿美元则专门用于规模化数据生产以及开发测量、成像和工程化生物学的新一代技术 。

此次蛋白质生物学模型发布，是 VBI 计划下的首个重大科学产出。该计划的合作伙伴名单几乎囊括了生物学和技术领域最顶尖的机构：Broad 研究所、艾伦研究所、Arc 研究所、威康桑格研究所、人类细胞图谱、人类蛋白质图谱、NVIDIA 以及文艺复兴慈善基金会 。

源于 Meta FAIR 的早期 ESM 研究

ESM 家族并非诞生于 Biohub，它最初是在 Meta AI 的 FAIR 实验室开发的。FAIR 发表了首个 ESM-1 模型，并于 2023 年在《Science》期刊上发布了最初的 ESMFold，生成了首次超过 6 亿个蛋白质结构的预测结果 。那项工作产出了最初版的 ESM 宏基因组图谱，当时是最大的高分辨率预测结构数据库，规模大约是已有蛋白质结构数据库的三倍 。

当原始 FAIR ESM 团队拆分出来成立的初创公司 EvolutionaryScale 从 Meta 独立后，Biohub 承接并继续了这项研究。这次第四代模型发布正是基于这条技术路线，而 Biohub 如今作为一家开放公益科学机构主导着该领域的发展 。

获取模型的途径

研究人员可以在多个平台上试用和部署这些工具：

• Hugging Face：esm3-sm-open-v1 和 ESMC 600M 的模型权重托管在 huggingface.co/biohub/，采用非商业许可证 。
• Biohub AI 模型门户：biohub.org/ai-models 是一个用于探索和下载模型的资源中心 。
• GitHub：提供代码、模型权重和示例工作流，延续了以往 ESM 发布的开源模式 。
• AWS SageMaker：提供预构建的部署笔记本，使研究人员可以在 AWS 云基础设施上规模化运行 ESM3 和 ESMC 。
• Biohub Forge：一个托管 API，便于对模型进行交互式实验 。