Foundation-моделі для білків (ESM, AlphaFold, Boltz)

B3Технології та генна терапіяоновлено 22 липня 2026 р.

Категорія B (технології). Створено: 22 липня 2026. Замикає AI-блок: ДНК (B1) → білки (B3) → структура → мультимодальність (MAMMAL). Прямий місток до Проєкту #1 (ESM-2 baseline) і кар’єри.

TL;DR

Білкові foundation-моделі «читають» амінокислотну послідовність (первинну структуру білка) і або розуміють її (ембединги, передбачення функції/стабільності), або генерують/проєктують нові білки, або передбачають 3D-структуру.
Три робочі інструменти поля: ESM (мовні моделі білка — від «розуміння» ESM-2 до генеративної ESM-3), AlphaFold 3 (SOTA 3D-структури комплексів), Boltz-2 (відкритий аналог AF3 + передбачення сили зв’язування).
ESM-3 (EvolutionaryScale, Science 2025) «змоделювала 500 млн років еволюції» й згенерувала новий флуоресцентний білок — демонстрація, що моделі можуть проєктувати робочі білки, яких немає в природі.
Для тебе: ESM-2 — це вже твій baseline у Проєкті #1. Розуміння ESM + AlphaFold/Boltz робить тебе конкурентним; ключові моделі відкриті — прямий матеріал для портфоліо.

Що це таке (просто)

Білок = ланцюг із 20 амінокислот (первинна структура), що згортається у 3D-форму, яка визначає функцію (див. «Біологія-мінімум»). Foundation-модель навчається на мільйонах природних білків і «вловлює правила» цієї «мови». Три типи задач:

1. «Розуміти» білок (мовні моделі, pLM). Дають ембединги — числове представлення «сенсу» білка, на якому будують класифікатори (стабільність, локалізація, розчинність, функція). Головний приклад — ESM-2.

2. «Створювати» білок (генеративні). Проєктують нові послідовності під потрібну функцію. Приклад — ESM-3 (мультимодальна: працює з послідовністю + структурою + функцією одночасно, promptable, як «ChatGPT для білків»).

3. «Бачити» 3D-структуру. З послідовності передбачають форму. AlphaFold 2/3, швидший ESMFold, відкритий Boltz-2.

Ландшафт моделей (2025–2026)

Модель	Хто	Що робить	Доступ
ESM-2	Meta FAIR	pLM: ембединги, передбачення (до 15B параметрів); база ESMFold	Відкрита (facebookresearch/esm). Стабільна, ідеальна для навчання/baseline
ESM-3	EvolutionaryScale	Генеративна, мультимодальна (послідовність+структура+функція), promptable; згенерувала новий білок esmGFP	Менша версія — відкриті ваги; більша — API / NVIDIA BioNeMo. Science 2025
ESMFold	Meta	Швидке передбачення структури з однієї послідовності (без MSA) — менш точне за AF2, але набагато швидше	Відкрита
AlphaFold 3	DeepMind / Isomorphic	SOTA 3D-структури комплексів (білки + ДНК/РНК + ліганди)	AlphaFold Server (некомерційно, ліміти); код академічно з обмеженнями. Nature 2024
Boltz-2	MIT	Відкритий аналог AF3: структура + сила зв’язування (~FEP-точність, ~1000× швидше)	Open-source (MIT). 2025 — «демократизує» дизайн ліків
OpenFold3	спільнота	Відкрита репліка AF3	Відкрита

Практично: ESM-2 — для «розуміння» й ембедингів (твій baseline), ESM-3 — для генерації, AlphaFold 3 / Boltz-2 — коли потрібна 3D-форма чи афінність.

Як це стикується зі старінням

Гени й білки довголіття: передбачати, як варіанти впливають на стабільність/функцію білка (напр. APOE, Klotho як білок, сиртуїни).
Дизайн терапій: проєктувати ферменти, антитіла, «сенолітичні» мішені; ESM-3/AF3 прискорюють це.
Фактори репрограмування: ML для безпечніших/ефективніших факторів Яманаки (Shift Bio, Retro) спирається на білкові моделі.
Мішень + структура: AF3/Boltz-2 дають 3D-контекст для стикування молекул (зв’язок із B2 — AI-пошук геропротекторів).

Зв’язок із твоєю кар’єрою (E)

ESM-2 вже в Проєкті #1 — baseline проти MAMMAL. Тобто ти торкнешся цієї моделі одразу.
Портфоліо-сходинка: після MAMMAL-проєкту — окремий проєкт на ESM-2 (класифікація білків за властивістю з ембедингів) або на Boltz-2 (передбачення структури/афінності).
Чотири стовпи bio-AI (тепер закриті ресерчами): ДНК (B1: Evo/AlphaGenome) + білки (B3: ESM) + структура (AF3/Boltz) + мультимодальність (MAMMAL). Розуміння всіх чотирьох — сильна позиція кандидата на Foundation-Model Scientist.
Хто наймає: EvolutionaryScale, DeepMind/Isomorphic, Meta, Genentech (gRED), Recursion, Arc Institute, будь-яка drug-discovery платформа.

Обмеження й застереження

pLM sequence-only (ESM-2) — не дає 3D; для форми потрібні AF3/Boltz.
Передбачення ≠ реальність: структуру/функцію треба валідувати експериментом.
Згенерований білок ≠ ліки: esmGFP — вражаюча демонстрація, але шлях до терапії довгий.
AlphaFold 3 — обмежений доступ (сервер, некомерційно); для відкритого повного пайплайну є Boltz-2/OpenFold3.
Масштаб: великі ESM-3 важкі, але ESM-2 (менші варіанти) і Boltz-2 запускаються на одному GPU/у хмарі — придатні для навчання.

Як помацати руками (портфоліо)

ESM-2 (HuggingFace / facebookresearch/esm): отримати ембединги білків → простий класифікатор (це і є baseline Проєкту #1).
ESMFold / Boltz-2: передбачити структуру білка з послідовності; порівняти зі структурою з PDB.
Проєктна ідея: взяти білок довголіття (напр. Klotho) → ембединги ESM-2 + структура Boltz-2 → міні-аналіз варіантів. Поєднує білкові моделі, структуру й тему старіння.

Відкриті питання (для подальших ресерчів)

Наскільки генеративні білки (ESM-3) реально функціональні поза демонстраціями?
Boltz-2 vs AF3 у передбаченні афінності — незалежні бенчмарки.
AI-блок завершено; далі за планом — технології редагування (base/prime editing) або 🟢 спосіб життя (VO₂max).

Джерела

ESM-3: Simulating 500 million years of evolution, Science 2025 — https://www.science.org/doi/10.1126/science.ads0018
EvolutionaryScale ESM3 release — https://www.evolutionaryscale.ai/blog/esm3-release
ESM (ESM-2 / ESMFold), GitHub — https://github.com/facebookresearch/esm
Boltz-2 (відкритий AF3 + афінність) — https://boltz.bio/boltz2
Boltz-2 democratizing drug design, GEN — https://www.genengnews.com/topics/artificial-intelligence/boltz-2-released-to-democratize-ai-molecular-modeling-for-drug-discovery/
Порівняння AlphaFold 3 vs Boltz-2 vs ESMFold — https://purna.ai/blog/alphafold-vs-boltz-vs-esmfold/

Матеріали сайту мають освітній характер і не є медичною порадою. Рішення про будь-які втручання ухвалюйте разом із лікарем.