ESM-2 / ESMFold

模型与发布

Meta FAIR 2022–2023 发布的蛋白语言模型 ESM-2 及其折叠头 ESMFold；2025 年后 Biohub 推出 ESMFold2 与 ESMFold2-Fast，被 Anthropic 管线当作排序器，见 Anthropic 蛋白 binder 实验（ESMFold2 训练数据未查到）。

训练数据配方

• 公共库：UniProt 的 UniRef50 约 6,500 万簇；每步在簇内均匀抽样，再取一条 UniRef90 序列。NVIDIA 复现口径为 65,182,365 个训练簇、187,382,018 条 UniRef90 序列（二手）[1]。
• 蒸馏合成：ESMFold 的结构监督含 AF2 预测蒸馏，约 1,200 万 ⚠️ 未回源（见 AlphaFold DB 与结构蒸馏）。
• 私有真值：无。

数据供应方与许可

UniProt。

已知问题与口径冲突

簇数为第三方复现口径，非 Meta 原始披露。后继 ESM3 增加结构与功能 token。

来源

1. https://docs.nvidia.com/bionemo-framework/2.1/datasets/uniprot/ (2026-10-15)
2. https://www.biorxiv.org/content/10.1101/2024.07.01.600583v1.full (2026-10-15)