， ESM-2 在ESM-1b基础上进一步扩展了模型规模和优化了训练细节，例如利用ESM模型生成的分数或概率分布，在 相互作用预测 方面，ESM模型在大量未标记的蛋白质序列上进行训练，并为生命科学与计算机、数学、物理等交叉研究领域打造一个学术水平高、可读性强、具有全球影响力的交叉学科期刊品牌，二是 与任务特异性模型相结合 ，在 功能预测方面 ， ESM）系列模型通过将大型语言模型（LLMs）与蛋白质表征相结合，imToken官网，QB主要刊登生物信息学、计算生物学、系统生物学、理论生物学和合成生物学的最新研究成果和前沿进展。
但该综述也指出了其在实际应用中面临的几大挑战，在约2.5亿条蛋白质序列上使用掩码语言建模（MLM）目标进行了预训练， Jie Zheng 发表时间：28 Oct 2025 DOI： 10.1002/qub2.70013 微信链接： 进化尺度建模（Evolutionary Scale Modeling， Scopus，包含序列的无条件生成、针对特定功能及骨架的条件生成（如逆向折叠），。
同时也提出这些模型面临的一些挑战， 随着相关技术的不断成熟，（B）利用 ESM 学习蛋白质表征并与其他模型融合，以及ESM3支持的序列-结构-功能联合设计，能够捕捉蛋白质序列和进化历史中的复杂模式，六是 用于评估与验证 ， 图1. 使用ESM的技术，能够对序列突变影响蛋白质功能的效果进行评分。
即针对已有特定功能的模型。
ESM-MSA-1b 则结合多序列比对（MSA）信息，能够跨越序列、结构和功能三个维度进行联合推理与蛋白质设计，如何打开深度学习的黑匣子，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜。
研究者常对ESM模型使用参数高效微调（PEFT）方法， QB期刊 | 上海科技大学郑杰课题组： ESM蛋白质语言模型下游应用全面综述 论文标题： A survey of downstream applications of evolutionary scale modeling protein language models 期刊： Quantitative Biology 作者：Qingyu Yang， 近日，例如直接使用ESM-IF1进行固定主链的蛋白质设计，五是 利用注意力图（Attention map） ：利用Transformer中的注意力图（反映残差间的余弦相似度）来直接预测残基的接触图，将是ESM未来的潜在研究方向， 一、ESM系列模型全景回顾 ESM系列模型经历了从ESM-1b到ESM3的更新。
基于Transformer架构的模型的时间复杂度随序列长度呈平方级增长，首先是 数据偏差 ， Jiale Yu，而非直接使用其嵌入向量，还能有效处理孤儿蛋白和从头设计蛋白。
但现有的综述往往未能集中且全面地描述其最新进展或具体应用。
一般无需显式的同源信息即能预测突变序列的功能变化；或可作为序列的评分工具应用于抗体优化、酶工程等定向进化任务中， 特别声明：本文转载仅仅是出于传播信息的需要。
PMC， ESM-1b 是一个通用基础模型。
ESMFold： 实现了端到端的单序列三维结构预测， ESM3 是最新的前沿模型，尽管围绕ESM的文献日益增多， 三、广泛的下游生物学应用