E

Esm2 T33 650M UR50D

由facebook開發
ESM-2是基於掩碼語言建模目標訓練的最先進蛋白質模型,適用於對蛋白質序列進行分析和預測任務
下載量 640.23k
發布時間 : 9/27/2022

模型概述

ESM-2是一個蛋白質語言模型,通過對蛋白質序列進行掩碼語言建模訓練,能夠理解和預測蛋白質的結構與功能。該模型適用於各種蛋白質相關的下游任務。

模型特點

大規模預訓練
模型在大量蛋白質序列數據上進行預訓練,具有強大的蛋白質表示能力
多尺度模型
提供從800萬到150億參數的不同規模模型,可根據需求選擇
蛋白質特定設計
專門為蛋白質序列分析優化,能有效捕捉氨基酸序列的進化信息

模型能力

蛋白質序列表示學習
蛋白質結構預測
蛋白質功能預測
蛋白質突變效應分析
蛋白質相互作用預測

使用案例

生物醫學研究
蛋白質功能註釋
預測未知蛋白質的功能特性
可幫助研究人員快速瞭解新發現蛋白質的潛在功能
藥物靶點發現
識別潛在的藥物靶點蛋白質
加速藥物研發過程
蛋白質工程
蛋白質設計
設計具有特定功能的新蛋白質
可用於開發新型酶或治療性蛋白質
蛋白質穩定性優化
預測和優化蛋白質的穩定性
提高工業用酶的穩定性
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase