Guía6 min de lectura

Homología de proteínas con embeddings ESM-2: P69905

Ejecute P69905 (hemoglobina alfa) en BioQ y vea sus 8 vecinos más cercanos de Swiss-Prot en el espacio ESM-2, con cosenos y registros de UniProt, a 2026-11-06.

Datos a fecha de 6 de noviembre de 2026 · Equipo de BioQ

Página de resultados de BioQ para la consulta P69905 con una tabla de los vecinos más cercanos de Swiss-Prot, con accesiones de UniProt y valores de similitud coseno.

Para P69905 (hemoglobina alfa), una búsqueda de homología de proteínas con embeddings ESM-2 en BioQ devuelve 8 vecinos de Swiss-Prot, con puntuaciones coseno que van de 1,0 a 0,9992. Los datos corresponden a 2026-11-06. El motor tardó 0,45 segundos en total, con 2 consultas.

Qué preguntamos

La tarea es habitual: se parte de una proteína y se quiere saber si Swiss-Prot contiene algo relacionado con ella. Con frecuencia la herramienta obvia es una búsqueda por secuencia. Un modelo de lenguaje de proteínas ofrece una segunda perspectiva: cada entrada de Swiss-Prot es un punto en el espacio de embeddings, y se listan los puntos más cercanos al de su proteína.

Este ejemplo usa una proteína pública y bien conocida, para que usted pueda comprobar cada línea del resultado. La consulta es la accesión de UniProt P69905, la subunidad alfa de la hemoglobina humana (nombre de entrada HBA_HUMAN). Pedimos las 8 proteínas de Swiss-Prot más cercanas en el espacio ESM-2. También consultamos los registros de UniProt para el gen HBA1, de modo que la lista de vecinos se pueda leer junto a entradas curadas.

Qué devolvió BioQ

El bloque de vecinos usa los embeddings ESM-2 650M de Swiss-Prot. Muestra 8 filas. La primera es la propia consulta, lo cual es esperable: el punto más cercano a cualquier proteína es esa misma proteína.

Acceso UniProtSimilitud del coseno
P699051
P699061
P699071
Q9TS350.9996
P019230.9995
P631070.9992
P631080.9992
P678170.9992

Tres accesiones obtienen 1,0: P69905, P69906 y P69907. Les siguen Q9TS35 con 0,9996, P01923 con 0,9995, y P63107, P63108 y P67817 con 0,9992. Aquí se aplica la nota de la propia herramienta: un coseno es alto para casi todo, así que sirve para ordenar vecinos y no es un porcentaje de identidad.

El segundo bloque procede de UniProt para el gen HBA1. Contiene 26 registros de Swiss-Prot; las primeras filas se muestran a continuación.

AccesoNombre de entradaLongitud (aa)
P69905HBA_HUMAN142
P01946HBA_RAT142
P83270HBA1_ANAMI143
Q1AGS5HBA1_ARCGL143
Q1AGS9HBA1_BORSA143

Aquí P69905 es HBA_HUMAN, con 142 residuos, y la entrada de rata P01946 (HBA_RAT) también tiene 142 residuos. Las tres entradas siguientes, de otras especies, tienen 143 residuos. Es una comprobación rápida de coherencia: la familia que cabe esperar por el nombre del gen está presente en UniProt, con longitudes cercanas a las de su consulta.

Qué significa y cómo interpretarlo

Lea el orden, no el número. Todas las puntuaciones están entre 0,9992 y 1,0, de modo que el valor absoluto aporta muy poco. Lo informativo es el orden y el punto en que la lista empieza a caer. Una lista plana de puntuaciones casi idénticas, como esta, solo indica que estas proteínas están cerca de la consulta en relación con el resto de Swiss-Prot. No indica cuán cerca están en términos de identidad de secuencia.

Compruebe cada vecino en su entrada de UniProt. La tabla de vecinos solo da accesiones. Abra P69906, P69907, Q9TS35, P01923, P63107, P63108 y P67817 y lea el nombre de la proteína, el organismo y la anotación de familia. Los datos de este ejemplo no indican qué son estas entradas, así que no lo dé por supuesto. Si la mayoría de los vecinos resultan ser de la misma familia que su consulta, eso respalda un vínculo a nivel de familia. Si alguno no guarda relación por nombre y función, trátelo como una pista que hay que contrastar, no como un hallazgo.

MMseqs2 frente a ESM-2. Herramientas de alineamiento como MMseqs2 informan de la identidad, la cobertura y el E-value de cada resultado, y permiten inspeccionar el alineamiento. Los embeddings de modelos de lenguaje de proteínas funcionan de otra manera: comparan representaciones aprendidas de secuencias completas, por lo que pueden situar cerca proteínas incluso cuando la señal de alineamiento es débil. Por eso se usan para detectar homología remota. Ambos enfoques se complementan. Este resultado no los compara sobre su proteína, así que, cuando la pregunta sea importante, ejecute los dos y vea dónde coinciden.

La vía manual frente a una sola consulta. A mano, esta tarea implica buscar la accesión en UniProt, localizar o generar embeddings de Swiss-Prot, calcular similitudes y volver a UniProt para leer cada vecino. Aquí, una sola consulta, P69905, alcanzó 2 recursos distintos: el índice de embeddings ESM-2 de Swiss-Prot y UniProt. El tiempo del motor fue de 0,45 segundos en total. Esa cifra es solo tiempo de motor: no incluye el tiempo que usted dedique a leer los resultados, y no afirmamos nada sobre la duración de la vía manual.

Cómo reproducirlo en BioQ

  1. Abra BioQ y pegue la accesión de UniProt en el cuadro de búsqueda. Para su propia proteína, use su accesión de Swiss-Prot. Si solo dispone de una secuencia nueva, el enfoque de vecinos más cercanos necesita una accesión que ya esté en el índice.
  2. Ejecute la consulta siguiente tal como está escrita.
P69905

Abrir esta consulta en BioQ

  1. Lea primero la tabla de vecinos. Fíjese en dónde empiezan a bajar los valores de coseno y anote cualquier accesión que no reconozca.
  2. Abra los registros de UniProt de las accesiones desconocidas. Compare nombre, organismo y longitud con su consulta.
  3. Si algún vecino parece interesante, ejecute una búsqueda por alineamiento de secuencias, como MMseqs2, para ese par y obtener la identidad y el E-value. Después consulte en BioQ el gen del vecino para ver qué dicen las demás capas de datos.

Cada respuesta de BioQ indica su fuente, de modo que la tabla que exporte incluye la versión de los embeddings (embeddings ESM-2 650M de Swiss-Prot) y el origen en UniProt de los registros.

Límites: lo que los datos no muestran

  • Una similitud coseno no es identidad de secuencia ni una probabilidad de homología. En este ejemplo todas las puntuaciones son muy altas, por lo que un umbral sobre el valor bruto no separaría proteínas relacionadas de no relacionadas.
  • La lista muestra 8 vecinos porque es lo que se pidió. No muestra cuántas proteínas de Swiss-Prot están relacionadas con su consulta, y una proteína justo fuera de la lista aún puede estar relacionada.
  • El embedding solo cubre Swiss-Prot. Una proteína relacionada que no esté en Swiss-Prot no puede aparecer.
  • El resultado no informa sobre función, estructura ni dirección evolutiva. Embeddings similares pueden reflejar dominios compartidos, composición o pertenencia a una familia, y la tabla no indica cuál de estas causas aplica.
  • La hemoglobina alfa es una familia muy estudiada y muy conservada. Una proteína menos caracterizada puede dar una lista más plana y menos interpretable, y este ejemplo no permite saber cómo se comportará la suya.
  • Los 26 registros de UniProt para HBA1 son el recuento de entradas devueltas para ese nombre de gen. No miden cuántas proteínas distintas existen en la familia.
  • Los números reflejan los datos a 2026-11-06. Versiones posteriores de UniProt o de los embeddings pueden cambiar la lista.

Datos y método

Las cifras de esta página se leyeron del motor de BioQ el 2026-11-06 (2 consultas, 0.5 s de tiempo de motor en total). Las tablas las genera el código a partir de las respuestas del motor; el texto solo las explica.

/neighbourhood, /uniprot

Ejecute usted mismo la misma consulta en BioQ: P69905

Solo para uso en investigación. Esta página resume datos públicos y no constituye asesoramiento médico.

BioQ es un motor de búsqueda con IA y un agente con un objetivo: hacer la investigación biológica 100 veces más rápida. Pregunte en la aplicación web, por la API REST o desde Claude, ChatGPT o Cursor mediante MCP.

Consultas utilizadas

Preguntas frecuentes

¿Cómo encuentro proteínas relacionadas con la mía usando embeddings ESM-2?

Introduzca la accesión de Swiss-Prot, por ejemplo P69905, en BioQ. La herramienta devuelve las proteínas de Swiss-Prot más cercanas en el espacio ESM-2; este ejemplo devolvió 8, con valores de coseno de 1,0 a 0,9992.

¿El valor coseno equivale al porcentaje de identidad?

No. El coseno solo ordena vecinos y es alto para casi todo. En este ejemplo los 8 valores están entre 0,9992 y 1,0, así que para medir la identidad hace falta una herramienta de alineamiento.

¿En qué se diferencia una búsqueda de vecinos con ESM-2 de MMseqs2?

MMseqs2 alinea secuencias e informa de la identidad y de un E-value. La búsqueda con ESM-2 compara embeddings aprendidos, que pueden detectar homología remota. Este ejemplo no compara ambos métodos sobre su proteína, así que verifique con un alineamiento los vecinos prometedores.

¿Cuánto tardó la consulta de P69905?

El tiempo del motor fue de 0,45 segundos en total, con 2 consultas que usaron 2 recursos distintos. Es solo tiempo de motor, sin incluir el tiempo de lectura.

¿Cuántos registros de UniProt tiene HBA1 en este resultado?

El bloque de UniProt lista 26 registros de Swiss-Prot para el gen HBA1. La entrada humana P69905 (HBA_HUMAN) tiene 142 residuos.

Fuentes

  1. Conjunto de datos UniProtKB/Swiss-Prot with ESM-2 embeddings

Los resultados proceden de bases de datos públicas a la fecha indicada y pueden cambiar. BioQ ofrece información para la investigación, no consejo médico.

Más del blog