SaProt:Westlake University、Westlake Representation Learning Lab
结构感知蛋白语言模型,把结构 token 与氨基酸联合输入做零样本突变打分。
蛋白 · 学术实验室 · 中国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | SaProt;别名:SaProt 650M、SaProt 35M、SaProt 1.3B |
| 家族 | 否(35M 与 650M 是同一模型的两个规模,不单列家族成员) |
| 机构 | Westlake University、Westlake Representation Learning Lab |
| 机构类型 / 国家 | 学术实验室 / 中国 |
| 模型类别 | 蛋白语言模型(结构感知) |
| 领域 | 蛋白(次领域:结构/共折叠) |
| 首次发布 | †(未核实)(依据:bioRxiv 预印本首次公开) 预印本 DOI 未经 Crossref 确认,日期取自同日的权重仓库与 README 记事(未核实) |
| 其他里程碑 | 最早公开证据 †(未核实)(预印本公开);预印本 v1 †(未核实)(预印本 v1);期刊上线 (Nature Biotechnology 刊出 SaProt/SaprotHub);权重发布 †(未核实)(README 记事中的 1.3B 权重发布) |
| 最近更新 | ,期刊发表:SaProt/SaprotHub 期刊发表;此前 1.3B 权重 2024-12-09,仓库 README 2026-03 有改动。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;权重:开放†(未核实);代码与权重公开(GitHub 与 Hugging Face);本轮未取到许可证文本,条款留空 |
| 状态 | 仅维护:有期刊发表与仓库维护,未见新一代模型 |
| 报过的 benchmark | 3 项计入(榜 2 · 自报 1) |
| 湿实验验证 | 无 |
| 全站实体页 | 无(全站无对应页面) |
| 截至 | 2026-11-16 |
做什么
把每个残基的氨基酸与其局部结构 token 拼成「结构感知词表」,在公开预测结构库上预训练,用于零样本突变效应打分与下游微调,不需要额外 MSA。它是 ProSST、VenusREM 这类结构增强零样本模型的前身,思路更简单。
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(榜 2 · 自报 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 | 零样本替换 DMS 官方汇总 / zero-shot substitution DMS summary | 榜单 | 官方榜条目;仓库记 2024-04 曾居首位,现已不在头部,位次随版本变动 | 出处 |
| 34 AbBiBench | 官方参赛 / 官方榜单 | 是 | 抗体结合亲和力相关性,结构感知语言模型一类 / antibody binding-affinity correlation, structure-aware LM category | 榜单 | 该条配对的依据只是本站自己的页面,未打开一手材料(未核实)† | — |
| 26 FLIP / FLIP2 | 开发方按官方口径自报 | 是 | Meltome human-cell(论文称 Thermostability);AAV 2-vs-rest / Meltome human-cell (called Thermostability in the paper); AAV 2-vs-rest | 自报 | 作者按官方切分自报;另有第三方在 GB1 外推切分上的重评估,结论不一致 | 出处 |
其他评测(不在 44 项内)
- 第三方 FLIP GB1 外推重评估(第三方复评,第三方):第三方论文在 low-vs-high 切分上重跑,结论是不优于单序列基线(本页不引数值)
- 官方榜位次的时点性(站外公开 benchmark,第三方):维护方博文把它作为「结构 token 路线」的样本讨论规模与增益的关系
开发方称:把结构 token 并入词表后,中小规模模型在零样本突变效应上胜过同规模纯序列模型,且不需要额外 MSA。
独立证据:第三方论文在 FLIP 外推切分上独立重跑,未复现其优势(无湿实验、无独立复现)。
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 约 4000 万条公开预测结构与序列,用结构比对工具编码成结构 token | 出处 |
| b 私有 / 授权 | 否 | 未见私有或授权数据 | — |
| 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:学术实验室,无独立公司。西湖大学(杭州)的表示学习实验室,方向为 AI 加生命科学与深度学习检索推荐;模型发表于 2024 年机器学习会议,2025 年刊出期刊版。
- 融资:论文致谢未取得,不写资金来源
- 产品与合作:配套的模型托管与微调平台(SaprotHub)与期刊版同期;结构 token 的做法被 ProSST、VenusREM 当作同类基线,第三方推理平台提供在线版。
- 相关模型:ProSST、VenusREM、ESM3、ESM C
怎么看
- 「曾排第一」是 2024 年的时点快照,官方榜位次随版本与新模型变动,不能当现状读。
- 结构输入依赖公开预测结构,对无结构或低置信度区域弱。
- 第三方在外推切分上的重评估说明结构 token 不保证外推更好。
- 只有计算评测,无湿实验,能说明打分排序,不能说明可设计。
局限与注意
- AbBiBench 这条配对的依据只是本站页面(未核实)。
- 首发日期的一手凭证不足,取自同日的权重仓库与 README(未核实)。
- 未见湿实验验证,也未见独立复现其榜单位次。
来源
- SaProt 会议论文(2024)(论文)
- 官方仓库(仓库)
- SaProt/SaprotHub 期刊版(期刊)
- 权重仓库(仓库)
- ProteinGym 官方仓库与榜单(榜单)
- 第三方 FLIP 重评估论文(第三方论文)
- 榜单维护方博文(二手)(二手)
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。