Profluent-E1:Profluent
检索增强的蛋白编码器,用于突变效应打分与表征。
蛋白 · AI 原生 biotech · 美国 · 全站实体页 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | Profluent-E1;别名:E1-600m;有歧义、不自动链接:E1 |
| 家族 | 家族条目:E1-150M †(未核实);E1-300M †(未核实);E1-600M †(未核实)。边界:同一论文内的三个参数规模,共用训练集与许可;不含同机构的生成式模型 |
| 机构 | Profluent |
| 机构类型 / 国家 | AI 原生 biotech / 美国 |
| 模型类别 | 蛋白语言模型(检索增强编码器) |
| 领域 | 蛋白 |
| 首次发布 | †(未核实)(依据:预印本 v1(权重同期上线)) DOI 请求失败,日期本轮未复核 |
| 其他里程碑 | 最早公开证据 †(未核实)(权重仓库上线);预印本 v1 †(未核实)(预印本 v1);代码发布 †(未核实)(代码仓库公开);权重发布 †(未核实)(三个规模的权重公开) |
| 最近更新 | ,仅维护:仓库变更日志记一次 MSA 采样代码的缺陷修复,其余未变;无新权重。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:开放(Apache-2.0);权重:开放†(未核实);代码 Apache-2.0;权重为带署名要求的宽松许可,开发方称研究与商业均可免费使用 |
| 状态 | 仅维护:仅见维护性提交,无新版本或新权重 |
| 报过的 benchmark | 3 项计入(自报 1 · 赛后复用 2) |
| 湿实验验证 | 无 |
| 全站实体页 | 全站实体页 |
| 截至 | 2026-11-16 |
做什么
编码器模型,可只输入单条序列,也可把检索到的同源序列当作上下文,用于突变效应打分与表征。参数量小、支持检索,是它与同机构生成式模型 ProGen3 的分工;同方向的上下文学习模型还有 PoET-2。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。3 项计入(自报 1 · 赛后复用 2)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 02 ProteinGym | 开发方按官方口径自报 | 是 | — | 自报 | 替换突变 assay 的零样本打分,仓库只给曲线图,不给逐模型数值,官方汇总表上也无条目 | 出处 |
| 01 CASP | 赛后数据复用 | 是 | — | 第三方 | 用某届 CASP 的靶点做长程接触图评测,数值在论文表格中,本轮未取到 | 出处 |
| 15 CAMEO | 赛后数据复用 | 是 | — | 第三方 | 事后取该连续评测的靶点做无监督接触图,只有曲线 | 出处 |
其他评测(不在 44 项内)
- 与同量级蛋白语言模型对比(仅与基线对比,自报):仓库给参数量对指标的曲线,与两个开源编码器及两个上下文模型并列
开发方称:同量级单序列模式优于两个常见开源编码器,检索增强后超过两个上下文学习模型;公开材料只给曲线,无数值。
独立证据:未检出独立证据(截至 2026-11-16 官方榜单文件中未检出该模型条目,也未检出第三方评测)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 开发方自行整理的基因组与宏基因组序列集,论文称训练用了约 4 万亿 token | 出处 |
| b 私有 / 授权 | 未披露 | 论文未说明该集合是否含授权数据 | 出处 |
| c 自产 wet lab 训练数据 | 否 | — | — |
| d 仅用于验证的 wet lab | 否 | — | — |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:开发方是一家 2022 年成立于美国加州的 AI 原生蛋白与基因编辑公司,2024 年报道约 20 人,当前规模未见公开口径。
- 融资:2024-03 融资 3,500 万美元;2025-11-19 融资 1.06 亿美元,累计约 1.5 亿美元;估值未官方披露,媒体称接近 10 亿美元。
- 产品与合作:产品线含生成式蛋白语言模型、本编码器与一个开放基因编辑蛋白;2026-04-28 宣布与一家美国大型药企就重组酶开展多项目合作,里程碑上限 22.5 亿美元,预付款未披露。
- 相关模型:ProGen3、PoET-2、ESM C
怎么看
- 论文与仓库只给曲线图,「超过某模型」只能当方向性声明,不能当可核数值。
- 检索增强模型与单序列模型在同一榜上不可直接比,要看模式再比。
- 接触图用的是连续评测与某届 CASP 的已发布靶点,属事后使用,不是参赛。
- 训练集为自建私有整理,外部无法复现数据构成。
局限与注意
- 首发日来自预印本,本轮 DOI 请求失败,日期标未核实。
- 公开材料无逐模型数值,所有对比结论不可复核。
- 官方榜单文件上没有该模型条目。
- 训练集是否含授权数据未披露。
- 最近一次事件只是代码缺陷修复,不是新版本。
来源
- 预印本 2025(预印本)
- 预印本全文(预印本)
- 代码仓库(仓库)
- 权重仓库(600M)(仓库)
更正记录
无。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。