For the complete documentation index, see llms.txt. This page is also available as Markdown.

Estructura de proteínas ESMFold

Predicción ultrarrápida de estructuras proteicas por Meta AI — predice estructuras proteicas 3D a partir de secuencias de aminoácidos en segundos, sin alineamientos múltiples de secuencias.

🧬 Desarrollado por Investigación de Meta AI | Licencia MIT | 10x–60x más rápido que AlphaFold2


¿Qué es ESMFold?

ESMFold es el sistema de predicción de estructuras proteicas de Meta AI que aprovecha Modelado de Escala Evolutiva (ESM-2) — el modelo de lenguaje para proteínas más grande del mundo (15 mil millones de parámetros) — para predecir estructuras proteicas 3D directamente a partir de secuencias de aminoácidos.

Ventajas clave sobre AlphaFold2

Función
ESMFold
AlphaFold2

MSA requerido

❌ No

✅ Sí

Velocidad (proteína típica)

~2 segundos

~10 min–horas

Precisión (TM-score)

~0.87

~0.92

VRAM de la GPU (650 aa)

~8 GB

~8 GB

Entrada de una sola secuencia

✅ Sí

Limitado

Proteínas huérfanas

✅ Excelente

Tiene dificultades

¿Por qué no MSA?

AlphaFold2 requiere Alineamiento múltiple de secuencias (MSA) — recopilar y alinear los parientes evolutivos de la proteína consultada. Esto es computacionalmente costoso e imposible para proteínas nuevas o diseñadas sin parientes evolutivos.

ESMFold almacena la información evolutiva en los pesos de su modelo de lenguaje (entrenado con 250 millones de secuencias de proteínas), eliminando por completo el MSA. Esto lo hace:

  • Más rápido: Sin búsqueda de MSA (minutos ahorrados por predicción)

  • Más escalable: Procesa proteomas completos de forma eficiente

  • Mejor para proteínas nuevas: Las secuencias diseñadas no tienen parientes evolutivos


Inicio rápido en Clore.ai

Paso 1: Selecciona un servidor

En clore.ai marketplace:

  • Mínimo: GPU NVIDIA con 16 GB de VRAM (el modelo de lenguaje ESM-2 es grande)

  • Recomendado: A100 40GB, RTX 3090, RTX 4090 para el modelo completo

  • Opción más pequeña: Usa esm2_t33_650M_UR50D para 8GB de VRAM

Guía de VRAM de la GPU:

Longitud de la proteína
Variante del modelo
VRAM requerida

Hasta 300 aa

ESMFold (3B)

~16GB

Hasta 500 aa

ESMFold (3B)

~20GB

Hasta 1000 aa

ESMFold (3B)

~40GB

Hasta 600 aa

ESMFold (chunk)

~8 GB

Paso 2: Construir imagen Docker personalizada

Paso 3: Despliega en Clore.ai

  • Imagen Docker: yourname/esmfold:latest

  • Puertos: 22 (SSH)

  • Entorno: NVIDIA_VISIBLE_DEVICES=all


Instalación y configuración

Método 1: pip install

Método 2: Desde el código fuente

Verificar la instalación


Uso básico

Predecir una sola estructura proteica

Predecir múltiples secuencias (lote)

Obtener confianza por residuo (pLDDT)


Servidor de API REST

Construir una API de producción para ESMFold:


Ejemplos de uso de la API


Script de procesamiento por lotes


Visualización de estructuras

Usando Py3Dmol (Jupyter / Python)

Usando PyMOL

Visualización programática con Biotite


Optimización de memoria

Guía de tamaño de chunk

Descarga a CPU para secuencias muy largas


Solución de problemas

Memoria insuficiente en CUDA

ImportError para openfold

Carga lenta del modelo

Interpretación de pLDDT:

  • >90 = Confianza muy alta (azul en la coloración de AlphaFold)

  • 70–90 = Confidente (cian/azul claro)

  • 50–70 = Baja confianza (amarillo) — tratar con precaución

  • <50 = Confianza muy baja (naranja/rojo) — probablemente región desordenada


Recomendaciones de GPU para Clore.ai

El requisito de VRAM de ESMFold está dominado por el modelo de lenguaje ESM-2 de 15 mil millones de parámetros. La longitud de la secuencia añade una carga adicional de memoria.

GPU
VRAM
Precio de Clore.ai
Longitud máxima de secuencia
Tiempo de predicción (300 aa)

RTX 3090

24 GB

$0.07–0.21/h

~400 aa (con troceado)

~8 segundos

RTX 4090

24 GB

$0.14–0.42/h

~400 aa (con troceado)

~5 segundos

A100 40GB

40 GB

~800 aa sin problema

~3 segundos

A100 80GB

80 GB

~1500+ aa, proteínas grandes

~4 segundos

Mejor relación calidad-precio para investigación: La RTX 3090 a $0,07–0,21/h maneja la gran mayoría de las tareas de predicción de estructuras proteicas (proteína humana promedio: ~300–400 aa). A ~8 segundos por predicción, puedes procesar ~450 estructuras por hora por ~$0,12 en total — en comparación con AlphaFold2, que requiere el cálculo de MSA y tarda minutos por estructura.

Proteómica de alto rendimiento: Para cribar miles de secuencias, la A100 de 40 GB (bare metal) con inferencia por lotes procesa ~1.200+ predicciones por hora — viable para estudios a escala de proteoma.


Recursos

Última actualización

¿Te fue útil?