ESM Metagenomic Atlas

内容与规模

2022 年由 Meta AI 用 ESMFold 对宏基因组序列批量预测，共 >6.17 亿条，其中约 2.25 亿条为高置信 [1][2]。序列主要来自 MGnify 等宏基因组库。预印本口径称其中 76.8% 的高置信预测与 UniRef90 的相似度低于 90%，即覆盖了已知序列之外的空间 [1]。

格式与 license

站点 esmatlas.com 提供检索与下载 [3]；具体许可条款未查到。

哪些模型拿它训练或评测

ESM3 的结构监督之一使用 ESMAtlas（pLDDT≥0.7 且 pTM≥0.7），并对每个结构生成合成序列（ESMAtlas/AFDB 每结构 5 条）。属"预测结构放大训练集"的典型例子，见 AlphaFold DB 与结构蒸馏。ESM 团队后续并入 Chan Zuckerberg Biohub 体系。

已知偏差与泄漏

全部为模型预测而非实验真值，质量取决于 ESMFold 本身；低置信部分占多数，使用必须按 pLDDT/pTM 过滤。与 AlphaFold Protein Structure Database 的预测可能互有重叠，二者不能当作独立证据。

来源

1. https://www.biorxiv.org/content/10.1101/2022.07.20.500902v2.full (2026-10-15)
2. https://www.livescience.com/meta-predicts-600-million-protein-shapes (2026-10-15)
3. https://esmatlas.com (2026-10-15)