ESM
Meta发布的蛋白质语言模型系列，基于Transformer架构对蛋白质氨基酸序列进行预训练，能够预测蛋白质结构并从头生成具有特定功能的新序列
时间轴 (近 90 天)
Meta发布的ESMFold和EvoDiff支持蛋白质序列生成
ESM（ECMAScript Modules）是Node.js现代模块系统的标准格式，其import语句在进程启动时被静态解析并一次性加载到内存，之后不会重新读取磁盘
只要宿主进程没有重启，无论如何修改文件系统上的模块代码，内存中运行的永远是启动那一刻缓存的快照
微软有「AI for Health」项目、谷歌有「DeepMind科学团队」、Meta开发了ESM蛋白质语言模型
当前主流AI抗体设计方法包括基于扩散模型（如RFdiffusion）的结构生成、基于语言模型（如ESM、AntiBERTy）的序列生成，以及混合架构
抗菌肽发现中的专用AI模型通常基于图神经网络或蛋白质语言模型（如ESM系列），在已知抗菌肽序列与活性数据上训练
Meta的ESM蛋白质语言模型基于Transformer架构，将蛋白质序列视为生物语言
JavaScript模块系统的统一从2009年CommonJS到2015年ESM花了近十年时间
全部知识事实 (8)
Meta发布的ESMFold和EvoDiff支持蛋白质序列生成
50%待验证ESM（ECMAScript Modules）是Node.js现代模块系统的标准格式，其import语句在进程启动时被静态解析并一次性加载到内存，之后不会重新读取磁盘
50%待验证只要宿主进程没有重启，无论如何修改文件系统上的模块代码，内存中运行的永远是启动那一刻缓存的快照
50%待验证微软有「AI for Health」项目、谷歌有「DeepMind科学团队」、Meta开发了ESM蛋白质语言模型
50%待验证当前主流AI抗体设计方法包括基于扩散模型（如RFdiffusion）的结构生成、基于语言模型（如ESM、AntiBERTy）的序列生成，以及混合架构
50%待验证抗菌肽发现中的专用AI模型通常基于图神经网络或蛋白质语言模型（如ESM系列），在已知抗菌肽序列与活性数据上训练
50%待验证Meta的ESM蛋白质语言模型基于Transformer架构，将蛋白质序列视为生物语言
50%待验证JavaScript模块系统的统一从2009年CommonJS到2015年ESM花了近十年时间
50%