68 億蛋白質的數位圖譜：Biohub 如何用開源 AI 改寫藥物發現規則

2026 年 5 月 27 日，由馬克·祖克柏（Mark Zuckerberg）與普莉希拉・陳（Priscilla Chan）共同創立的非營利研究機構 Biohub，正式對外公開了一套稱為「蛋白質生物學世界模型」的開源 AI 引擎 。這套引擎，本質上是「演化尺度模型」（Evolutionary Scale Modeling，ESM）的第四代版本，其任務是預測蛋白質結構、繪製橫跨生命之樹的蛋白質圖譜，並設計出在實驗室中真的有效的新型蛋白質結合劑 。

這次釋出，絕非單純的模型版本更新。它是 Biohub 於 2026 年 4 月 29 日公布的 5 億美元「虛擬生物學倡議」（Virtual Biology Initiative） 的第一項重大科學產出，這項倡議的終極目標，是打造人類細胞的預測模型 。以下，我們將抽絲剝繭，看清這次釋出的核心組件、它們如何加速藥物發現、迄今達成的實驗室成果，以及該如何取得使用。

核心三本柱：ESMC、ESMFold2 與橫跨 68 億蛋白質的 ESM 圖譜

這次釋出由三大核心組件構成，各自在蛋白質研究的工作流程中扮演特定角色。

ESMC（演化尺度模型：寒武紀）

ESMC 是一款蛋白質語言模型，其訓練資料涵蓋了大約 28 億條蛋白質序列，這些序列來自廣袤的生命領域，包括嗜極生物（在極端環境中生存的生物）以及人體內超過 2 萬種類型的蛋白質 。

它與 Biohub 的旗艦級生成式模型 ESM3 屬於平行發展的模型家族。兩者的分工在於：ESM3 專注於為治療等應用進行可控的蛋白質生成，而 ESMC 則側重於創造能捕捉蛋白質底層生物學機制的表徵（representation）。Biohub 將 ESMC 定位為 ESM2 等早期模型的無縫替代方案 。

ESMFold2：結構預測的加速引擎

ESMFold2 是內建於 ESM3 架構中的結構預測核心。它能直接從蛋白質序列，以業界頂尖的速度與精確度，預測出原子層級的蛋白質結構，而且完全不需要傳統方法中耗時的多序列比對 。這種速度，正是讓大規模結構分析從理論變為現實的關鍵。

ESM 圖譜：蛋白質宇宙的暗物質地圖

ESM 圖譜（ESM Atlas）經歷了一場戲劇性的擴張。最初由 Meta FAIR 釋出的 ESM 宏基因體圖譜，涵蓋了約 6 億個蛋白質結構 。而 Biohub 更新的圖譜，如今繪製了 68 億種蛋白質，其中有 11 億個預測結構，這是數量級上的飛躍，為蛋白質宇宙中更廣闊的疆域提供了結構覆蓋 。

此外，這次釋出還包含 esm3-sm-open-v1，這是一款生成式模型，在 27.8 億個天然蛋白質的基礎上進行訓練，並透過合成資料擴增至 31.5 億條序列、2.36 億個結構與 5.39 億個功能註釋，總計使用了 7710 億個標記（token）進行學習 。該模型以非商業授權釋出，供學術與非營利使用 。

藥物發現的加速器：從數年到數週的變革

這套工具的實際價值，在於速度與規模。傳統上，設計並驗證一個治療性的蛋白質結合劑，需要經歷數月甚至數年的反覆濕實驗室工作。Biohub 的工具可透過以下三種能力，將這個過程壓縮到數週甚至數天：

• 全新結合劑設計：研究人員可以純粹透過電腦計算，設計出能特異性標靶疾病相關蛋白的蛋白質結合劑。這意味著在進入任何實驗室工作之前，就能先在電腦中產生候選藥物 。
• 繪製蛋白質空間的「暗物質」：絕大多數的蛋白質從未被實驗實際鑑定過。ESM 圖譜提供了橫跨生命之樹的蛋白質預測結構，讓研究人員得以用計算的方式，探索這片充滿未知的疆域 。
• 高通量的電腦模擬篩選：數十億條蛋白質序列可以透過計算進行篩選，大幅降低了早期藥物開發的成本與失敗率 。

不再只是紙上談兵：實驗室裡的成功驗證

對於 AI 設計的蛋白質，一個反覆出現的質疑是：它們在電腦上看起來很完美，但在實驗室中卻往往失效。Biohub 通報的情況顯示，這並非這次的瓶頸。完全透過電腦模擬設計的結合劑，已在真實的實驗室實驗中獲得驗證——這些 AI 設計的蛋白質，確實成功地結合了它們的預期標靶 。

Biohub 科學長亞歷克斯·里夫斯（Alex Rives）表示：「這些模型已經對生物過程獲得了極其精確的表徵能力，讓我們得以透過計算設計蛋白質介面，並在實驗室中獲得符合預期的測試結果。」 這段話的弦外之音是，模型已經捕捉到足夠深厚的基礎生物學知識，足以產出功能性的設計，無須再仰賴反覆的濕實驗室優化。

5 億美元虛擬生物學倡議的開路先鋒

2026 年 4 月 29 日，Biohub 宣布了 虛擬生物學倡議（Virtual Biology Initiative，VBI），這是一項為期五年、總額 5 億美元的承諾，旨在為建立人類細胞的預測模型，構建所需的多模態資料集與 AI 模型 。在這筆資金中，1 億美元被分配用於協調全球的資料生成工作，其餘 4 億美元則專門用於大規模生成資料，以及開發用於測量、成像和工程化生物學的次世代技術 。

蛋白質生物學的釋出，正是 VBI 旗下的第一個重大科學成果。這項倡議的合作夥伴網絡，涵蓋了許多生物學與科技領域最具指標性的機構：布羅德研究所（Broad Institute）、艾倫研究所（Allen Institute）、Arc 研究所（Arc Institute）、惠康桑格研究所（Wellcome Sanger Institute）、人類細胞圖譜計畫（Human Cell Atlas）、人類蛋白質圖譜計畫（Human Protein Atlas）、輝達（NVIDIA）以及文藝復興慈善基金會（Renaissance Philanthropy）。

技術血統：從 Meta FAIR 到 Biohub

ESM 家族的起源並非始於 Biohub。它最初誕生於 Meta AI 的 FAIR 實驗室，該實驗室曾發表了最初的 ESM-1 模型，並於 2023 年在《科學》（Science）期刊上釋出了原始的 ESMFold，生成了第一批超過 6 億個蛋白質結構預測 。那項工作產出了原始的 ESM 宏基因體圖譜，該圖譜在當時是最大的高解析度預測結構資料庫，規模大約是當時現有蛋白質結構資料庫的三倍 。

當 EvolutionScale（由原始 FAIR ESM 團隊成立的初創公司）從 Meta 拆分出來時，Biohub 吸納並延續了這項研究。這次第四代的釋出，直接建立在該技術脈絡之上，而 Biohub 則是以一個開放的公益科學事業之姿，主導了當前的發展 。

如何取得這些模型

研究人員可以透過多個平台，對這些工具進行實驗與部署：

• Hugging Face：esm3-sm-open-v1 與 ESMC 600M 的模型權重，已託管在 huggingface.co/biohub/，採用非商業授權 。
• Biohub AI 模型入口網站：位於 biohub.org/ai-models 的資源樞紐，用於瀏覽與下載模型 。
• GitHub：程式碼、模型權重與範例工作流程皆可取用，延續了早期 ESM 版本建立起的開源模式 。
• AWS SageMaker：提供預先建構好的部署筆記本，讓研究人員能在 AWS 雲端基礎設施上擴展 ESM3 與 ESMC 。
• Biohub Forge：一款託管式的 API，用於進行互動式模型實驗 。