核心組件：ESMC、ESMFold2 同埋 68億蛋白質圖譜

今次發布有三個核心組件，各司其職，砌成一條完整嘅蛋白質研究工作流程。

ESMC（ESM Cambrian） 係一個蛋白質語言模型，用咗大約28億條蛋白質序列嚟訓練，呢啲序列嚟自涵蓋生命樹廣闊範圍嘅生物，包括極端環境生物（extremophiles）同埋人體入面超過兩萬種蛋白質類型 。佢係同Biohub旗艦級生成模型ESM3並行嘅模型家族：ESM3主力做可控蛋白質生成，用嚟開發治療用途；而ESMC就專門創造能夠捕捉蛋白質底層生物學特性嘅表徵，可以當係舊版ESM模型（例如ESM2）嘅直接替代品 。

ESMFold2 係ESM3架構入面嘅結構預測引擎。佢直接由蛋白質序列預測原子級別嘅三維結構，速度快、準確度達到業界最先進水平，仲唔需要好似傳統方法咁做多重序列比對（multiple sequence alignments），慳返好多時間 。就係呢個速度，令到大規模繪製蛋白質結構變成實際可行嘅事。

ESM Atlas 今次大幅擴充咗。最初由Meta FAIR實驗室發布嘅ESM Metagenomic Atlas，覆蓋大約6億個蛋白質結構 。而家Biohub更新之後嘅版本，總共收錄 68億個蛋白質，當中包含 11億個預測結構，數量級嘅擴張令到蛋白質宇宙入面更多未被探索嘅領域終於有結構數據覆蓋 。

另外，發布仲包含 esm3-sm-open-v1，呢個生成模型用咗27.8億個天然蛋白質訓練，再經過合成數據擴充到31.5億條序列、2.36億個結構同5.39億個功能標註，總共7710億個token 。呢個模型以非商業授權發布，畀學術界同非牟利機構使用 。

呢堆工具點樣幫藥物研發加速？

實質嘅承諾就係「速度」同「規模」。傳統上，設計同驗證一個治療用嘅蛋白質結合體，要經過幾個月甚至幾年嘅濕實驗室（wet lab）反覆測試。Biohub呢套工具將成個流程壓縮到以「星期」甚至「日」計算，靠嘅係三項關鍵能力：

• 從零設計結合體（de novo binder design）：研究人員可以喺電腦直接設計出專門針對疾病相關蛋白質嘅結合體，喺落實驗室之前已經篩選好候選藥物分子 。
• 繪製蛋白質「暗物質」地圖：絕大多數蛋白質從未被實驗鑑定過。ESM Atlas提供跨越生命樹嘅預測結構，等研究人員可以喺電腦探索呢片未知領域 。
• 高通量虛擬篩選：可以一次過喺電腦篩選數以十億計嘅蛋白質序列，大幅降低早期藥物開發嘅成本同失敗率 。

實驗室結果：AI設計嘅結合體真係Work

經常有人批評AI設計嘅蛋白質「睇落好靚，但係落實驗室就死火」。Biohub報告指出，今次唔同。用呢套模型喺電腦完全由零設計出嚟嘅蛋白質結合體，已經喺真實實驗室實驗中驗證咗——啲AI設計嘅蛋白質真係黐到佢哋嘅目標靶點 。

Biohub科學主管Alex Rives講到：「我哋展示咗呢啲模型已經學到極之精準嘅生物過程表徵，精準到可以畀我哋喺電腦設計蛋白質界面，然後放入實驗室測試，結果同預期一致。」

換句話講，呢啲模型已經捕捉到足夠深入嘅基礎生物學知識，可以產生「功能上真係用得」嘅設計，唔使再靠反覆落實驗室去優化。

同嗰5億美金「虛擬生物學計劃」嘅關聯

喺2026年4月29號，Biohub宣布推出 「虛擬生物學計劃」（Virtual Biology Initiative, VBI），呢個係一個為期五年、總投資5億美金嘅大型計劃，目標係建立多模態數據集同AI模型，最終做到人類細胞嘅預測模型 。嗰5億美金當中，有1億用嚟統籌全球數據生成工作，另外4億就投放喺大規模產生數據同開發下一代測量、成像同工程改造生物學嘅技術 。

今次蛋白質生物學發布，正正係VBI計劃嘅頭炮科學成果。呢個計劃嘅合作夥伴橫跨生物學同科技界好多頂尖機構，包括：Broad Institute、Allen Institute、Arc Institute、Wellcome Sanger Institute、Human Cell Atlas、Human Protein Atlas、NVIDIA 同 Renaissance Philanthropy 。

技術根源：源自Meta FAIR實驗室嘅ESM研究

ESM模型家族並唔係由Biohub由零開始。佢嘅根源要追溯到 Meta AI旗下嘅FAIR實驗室，佢哋喺2023年喺《Science》期刊發表咗第一代ESM-1模型同原版ESMFold，當時產生咗第一個超過6億個蛋白質結構預測嘅數據庫 。呢項工作產生咗原版嘅ESM Metagenomic Atlas，以當時嚟講係最大嘅高解像度預測結構數據庫，比任何現有蛋白質結構數據庫大約大三倍 。

後來，由原FAIR ESM團隊組成嘅初創公司EvolutionaryScale由Meta分拆出去，Biohub就吸收咗呢批研究並繼續推進。今次第四代發布直接承襲呢條技術脈絡，而家由Biohub以開放慈善科學模式主導開發 。

去邊度攞到呢啲模型？

研究人員可以透過以下多個平台使用同部署呢堆工具：

• Hugging Face：模型權重 esm3-sm-open-v1 同 ESMC 600M 喺 huggingface.co/biohub/ 上面，以非商業授權發布 。
• Biohub AI模型入口網站：資源中心網址係 biohub.org/ai-models，畀人瀏覽同下載模型 。
• GitHub：開放程式碼、模型權重同範例工作流程，延續早期ESM發布嘅開源傳統 。
• AWS SageMaker：提供預先建立好嘅部署Notebook，等研究人員可以喺AWS雲端基礎架構上擴展運行ESM3同ESMC 。
• Biohub Forge：一個託管嘅API服務，畀人用互動方式實驗呢啲模型 。

核心組件：ESMC、ESMFold2 同埋 68億蛋白質圖譜

今次發布有三個核心組件，各司其職，砌成一條完整嘅蛋白質研究工作流程。

ESMC（ESM Cambrian） 係一個蛋白質語言模型，用咗大約28億條蛋白質序列嚟訓練，呢啲序列嚟自涵蓋生命樹廣闊範圍嘅生物，包括極端環境生物（extremophiles）同埋人體入面超過兩萬種蛋白質類型 。佢係同Biohub旗艦級生成模型ESM3並行嘅模型家族：ESM3主力做可控蛋白質生成，用嚟開發治療用途；而ESMC就專門創造能夠捕捉蛋白質底層生物學特性嘅表徵，可以當係舊版ESM模型（例如ESM2）嘅直接替代品 。

ESMFold2 係ESM3架構入面嘅結構預測引擎。佢直接由蛋白質序列預測原子級別嘅三維結構，速度快、準確度達到業界最先進水平，仲唔需要好似傳統方法咁做多重序列比對（multiple sequence alignments），慳返好多時間 。就係呢個速度，令到大規模繪製蛋白質結構變成實際可行嘅事。

ESM Atlas 今次大幅擴充咗。最初由Meta FAIR實驗室發布嘅ESM Metagenomic Atlas，覆蓋大約6億個蛋白質結構 。而家Biohub更新之後嘅版本，總共收錄 68億個蛋白質，當中包含 11億個預測結構，數量級嘅擴張令到蛋白質宇宙入面更多未被探索嘅領域終於有結構數據覆蓋 。

另外，發布仲包含 esm3-sm-open-v1，呢個生成模型用咗27.8億個天然蛋白質訓練，再經過合成數據擴充到31.5億條序列、2.36億個結構同5.39億個功能標註，總共7710億個token 。呢個模型以非商業授權發布，畀學術界同非牟利機構使用 。

呢堆工具點樣幫藥物研發加速？

實質嘅承諾就係「速度」同「規模」。傳統上，設計同驗證一個治療用嘅蛋白質結合體，要經過幾個月甚至幾年嘅濕實驗室（wet lab）反覆測試。Biohub呢套工具將成個流程壓縮到以「星期」甚至「日」計算，靠嘅係三項關鍵能力：

• 從零設計結合體（de novo binder design）：研究人員可以喺電腦直接設計出專門針對疾病相關蛋白質嘅結合體，喺落實驗室之前已經篩選好候選藥物分子 。
• 繪製蛋白質「暗物質」地圖：絕大多數蛋白質從未被實驗鑑定過。ESM Atlas提供跨越生命樹嘅預測結構，等研究人員可以喺電腦探索呢片未知領域 。
• 高通量虛擬篩選：可以一次過喺電腦篩選數以十億計嘅蛋白質序列，大幅降低早期藥物開發嘅成本同失敗率 。

實驗室結果：AI設計嘅結合體真係Work

經常有人批評AI設計嘅蛋白質「睇落好靚，但係落實驗室就死火」。Biohub報告指出，今次唔同。用呢套模型喺電腦完全由零設計出嚟嘅蛋白質結合體，已經喺真實實驗室實驗中驗證咗——啲AI設計嘅蛋白質真係黐到佢哋嘅目標靶點 。

Biohub科學主管Alex Rives講到：「我哋展示咗呢啲模型已經學到極之精準嘅生物過程表徵，精準到可以畀我哋喺電腦設計蛋白質界面，然後放入實驗室測試，結果同預期一致。」

換句話講，呢啲模型已經捕捉到足夠深入嘅基礎生物學知識，可以產生「功能上真係用得」嘅設計，唔使再靠反覆落實驗室去優化。

同嗰5億美金「虛擬生物學計劃」嘅關聯

喺2026年4月29號，Biohub宣布推出 「虛擬生物學計劃」（Virtual Biology Initiative, VBI），呢個係一個為期五年、總投資5億美金嘅大型計劃，目標係建立多模態數據集同AI模型，最終做到人類細胞嘅預測模型 。嗰5億美金當中，有1億用嚟統籌全球數據生成工作，另外4億就投放喺大規模產生數據同開發下一代測量、成像同工程改造生物學嘅技術 。

今次蛋白質生物學發布，正正係VBI計劃嘅頭炮科學成果。呢個計劃嘅合作夥伴橫跨生物學同科技界好多頂尖機構，包括：Broad Institute、Allen Institute、Arc Institute、Wellcome Sanger Institute、Human Cell Atlas、Human Protein Atlas、NVIDIA 同 Renaissance Philanthropy 。

技術根源：源自Meta FAIR實驗室嘅ESM研究

ESM模型家族並唔係由Biohub由零開始。佢嘅根源要追溯到 Meta AI旗下嘅FAIR實驗室，佢哋喺2023年喺《Science》期刊發表咗第一代ESM-1模型同原版ESMFold，當時產生咗第一個超過6億個蛋白質結構預測嘅數據庫 。呢項工作產生咗原版嘅ESM Metagenomic Atlas，以當時嚟講係最大嘅高解像度預測結構數據庫，比任何現有蛋白質結構數據庫大約大三倍 。

後來，由原FAIR ESM團隊組成嘅初創公司EvolutionaryScale由Meta分拆出去，Biohub就吸收咗呢批研究並繼續推進。今次第四代發布直接承襲呢條技術脈絡，而家由Biohub以開放慈善科學模式主導開發 。

去邊度攞到呢啲模型？

研究人員可以透過以下多個平台使用同部署呢堆工具：

• Hugging Face：模型權重 esm3-sm-open-v1 同 ESMC 600M 喺 huggingface.co/biohub/ 上面，以非商業授權發布 。
• Biohub AI模型入口網站：資源中心網址係 biohub.org/ai-models，畀人瀏覽同下載模型 。
• GitHub：開放程式碼、模型權重同範例工作流程，延續早期ESM發布嘅開源傳統 。
• AWS SageMaker：提供預先建立好嘅部署Notebook，等研究人員可以喺AWS雲端基礎架構上擴展運行ESM3同ESMC 。
• Biohub Forge：一個託管嘅API服務，畀人用互動方式實驗呢啲模型 。