ESMFold 作者提出全生命树配体普查构想小分子版AlphaFold

sokrypton（ESMFold 作者）在一场关于 AI for Science 的讨论中提出：要让小分子/配体预测复现 AlphaFold 在蛋白质结构预测上的成功，需要收集与当年基因组学/宏基因组学对蛋白质同等量级的数据——在整个生命树上鉴定每种生物体内配体（小分子）的存在与缺失，相当于为小分子建立自己的「进化记录」。他强调这类方法的目标不是「解决」问题（正如 AlphaFold 也没有彻底解决结构预测），而是利用地球上最伟大的实验——数十亿年进化——显著缩小搜索空间。值得关注的是，这指向一条与单纯扩大模型规模不同的路线：以数据工程换取搜索空间的压缩。

已确认

• sokrypton 认为 AlphaFold 成功的关键在于利用了来自数千种生物的未标注蛋白质序列中的协变（covariation）统计信息，他推测若能收集这些生物的补充数据，类似思路可迁移到小分子领域
• 他将这一逻辑推广到更一般层面：文本/代码 LLM 与蛋白质语言模型、AlphaFold 的成功本质上都源于数据中的共变模式；要让其他模态取得类似突破，需要在自然或人工选择下采集可供提取共变模式的等价数据
• 针对测序成本与信息量的质疑，他回应称正因如此「我们需要找到办法」——在地球庞大的生物多样性走向灭绝之前，快速且廉价地采集更详细的生命信息
• proteinrosh 参与讨论并将议题归纳为「小分子药物设计如何复制 AlphaFold 式突破」；kavehNasr 则转述并参与这场关于小分子数据瓶颈的争论

为什么重要

• 蛋白质结构预测的突破被认为源于基因组/宏基因组数据提供的共变信号，而小分子领域目前缺少同等规模的数据基础，这被 sokrypton 视为核心瓶颈
• 该提案指向一条与单纯扩大模型规模不同的路线：以数据工程（全生命树规模的配体普查）换取搜索空间的压缩，若可行或将重塑 AI 驱动的小分子药物发现范式
• 「在生物多样性灭绝前采集数据」的紧迫性主张，使该构想兼具科学与保护双重意涵

2026-11-04 ~ 2026-11-04 · 8 条相关

• 【源头】sokrypton:小分子版 AlphaFold 需遍历全生命树收集配体数据 — sokrypton · 2026-11-04
• 蛋白质折叠式突破能否复制？学者争论小分子数据瓶颈 — kaveh_Nasr · 2026-11-04
• ESMFold 作者提议借鉴 AlphaFold 协变思路攻克小分子预测 — sokrypton · 2026-11-04
• 【源头】sokrypton:AI4Science 目标是借 40 亿年进化缩小搜索空间 — sokrypton · 2026-11-04
• 如何复刻蛋白质设计的成功？小分子 AI 缺的是全生命树的配体数据 — proteinrosh · 2026-11-04
• 生物多样性灭绝前采集数据：sokrypton 呼吁廉价高通量生命信息采集 — sokrypton · 2026-11-04
• 【源头】sokrypton：共变数据是 LLM 与 AlphaFold 成功的共同根基 — sokrypton · 2026-11-04
• ESM 作者：LLM 与 AlphaFold 皆靠数据共变性，其他模态也需补齐 — sokrypton · 2026-11-04