ProGen3:Profluent
稀疏 MoE 自回归蛋白语言模型,主打规模律与用实验数据做对齐。
蛋白 · AI 原生 biotech · 美国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | ProGen3;别名:progen3-3b;有歧义、不自动链接:ProGen |
| 家族 | 否:本记录只覆盖本模型,属于 ProGen 系列 |
| 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(自回归生成) |
| 领域 | 蛋白(次领域:分子生成) |
| 首次发布 | (依据:预印本 v1) 权重于 2025-03-20 上传模型托管站,按本轮口径仓库/托管站创建日不作首发 |
| 其他里程碑 | 最早公开证据 (预印本 v1);预印本 v1 (预印本 v1);权重发布 †(未核实)(模型托管站权重上传(112M–3B)) |
| 最近更新 | ;未检出发布后更新(截至 2026-11-16):代码仓库最后一次提交为 2025-07-21 的构建文件修改,不构成新版本;未检出期刊发表或新一代模型(截至 2026-11-16)。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:部分开放;权重:非商用†(未核实);中小档权重可在模型托管站下载(非商用类条款),最大一档未发布;站上原写「权重未开放」需订正;许可证文本本轮未逐条复核 |
| 状态 | 仅维护:12 个月内只有构建文件级改动,无新版本 |
| 报过的 benchmark | 1 项计入(榜 1) |
| 湿实验验证 | 1 条记录 |
| 全站实体页 | 无(全站实体库未检出对应模型页面,只有开发方机构页) |
| 截至 | 2026-11-16 |
做什么
自回归生成蛋白序列,改用稀疏 MoE 架构并系统研究参数与数据的规模律,再用有限实验数据做对齐,目标是生成可表达、有功能的蛋白。与同机构的 Profluent-E1 分工不同:后者偏编码与打分,本模型偏生成;与 ESM3 等生成式 pLM 属同一类路线。
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。1 项计入(榜 1)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 02 ProteinGym | 官方参赛 / 官方榜单 | 是 | — | 榜单 | 零样本替换 DMS 官方汇总表收录多个尺寸档;最大一档未收录 | 出处 |
其他评测(不在 44 项内)
- 规模律自测(自建任务集,自报):在自建数据上比较不同参数档的生成多样性与可表达性,属开发方自设任务
- 实验数据对齐评测(湿实验验证,自报):用实测适应度检验对齐效果,数据与规模未公开,外部无法复核
开发方称:模型越大,可生成的可表达、有功能蛋白越多样,并可用少量实验数据对齐。
独立证据:官方零样本榜收录了它的多个尺寸档,属组织方维护的第三方口径。
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 自建的蛋白图谱 v1:34 亿条全长蛋白、1.1 万亿氨基酸 token,来自基因组与宏基因组并经自家清洗 | 出处 |
| b 私有 / 授权 | 未披露 | — | 出处 |
| c 自产 wet lab 训练数据 | 是 | 对齐阶段用了「有限的实验室数据」(活性、表达、稳定性、结合),规模与来源未披露 | 出处 |
| d 仅用于验证的 wet lab | 是 | 另做了合成表达与抗体候选的结合与可开发性测试,数量未披露 | 出处 |
湿实验验证
每个比率都带分子与分母;未核实的条目不给数字。不同版本的来源分开列。
| 实验 | 靶点数 | 受测设计 | 命中 | 成功率 | 最佳亲和力 | 分母口径 | 版本 | 来源类型 | 日期 | 核实 | 执行方 | 说明 | 出处 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 生成序列的表达与抗体候选测试 | — | — | — | — | — | 展示页未给设计数与分母 | showcase page | 自报 | †(未核实) | 未核实† | 执行方未披露 | 开发方另称对齐后预测与实测适应度的相关度上升,属自报且无逐条数据,不作为独立证据 | 出处 |
背景
- 机构:开发方是 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,当前人数无公开口径。
- 融资:2024-03 融资 3,500 万美元(一家风投领投);2025-11-19 融资 1.06 亿美元(两家机构联合领投),累计约 1.5 亿美元;估值未官方披露。
- 产品与合作:产品线含本模型、Profluent-E1 与一款开放基因编辑蛋白;2026-04-28 与一家大型药企签订重组酶多项目合作,里程碑付款上限为公开口径,预付款未披露。
- 相关模型:Profluent-E1、ESM3
怎么看
- 它的主力是生成,而被收录的官方榜测的是零样本打分,两者不是一回事。
- 相邻两档参数在该榜上的差距很小,论文的规模结论无法在这个榜上验证。
- 对齐用的实验数据规模未披露,提升幅度无法独立复现。
- 训练集为私有整理的大规模集合,外界无法核对它与评测集的重叠。
局限与注意
- 站上原写「权重未开放」,实际中小档权重可下载、最大一档未发布,须分档陈述。
- 湿实验只有展示页描述、无数量,按未核实处理,不给数字。
- 最大一档未进入官方榜,关于它的任何位次说法都无出处。
来源
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
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。