# ESM-2 embedding 蛋白质同源搜索：P69905

> 在 BioQ 中查询 P69905（血红蛋白 α），列出 ESM-2 空间中最近的 8 个 Swiss-Prot 近邻，附余弦相似度与 UniProt 记录，数据截至 2026-11-06。

数据截至 2026-11-06 · 发布 2026-11-08 · 更新 2026-11-06 · https://bioq.bio/blog/zh-CN/howto-is-my-protein-homologous-to-anything-esm2-neighbours

![BioQ 对查询 P69905 的结果页面，表格列出最近的 Swiss-Prot 近邻，包含 UniProt 登录号和余弦相似度。](https://bioq.bio/blog/img/howto-is-my-protein-homologous-to-anything-esm2-neighbours/zh-CN/hero.webp)

对 P69905（血红蛋白 α）在 BioQ 中做 ESM-2 embedding 蛋白质同源搜索，返回 8 个 Swiss-Prot 近邻，余弦相似度从 1.0 到 0.9992。数据截至 2026-11-06。引擎总耗时 0.45 秒，共执行 2 次查询。

## 我们问了什么

这是常见的任务：手头有一个蛋白，想知道 Swiss-Prot 中有没有与之相关的条目。序列比对通常是首选工具，蛋白语言模型则提供了另一个视角：每个 Swiss-Prot 条目都是嵌入空间中的一个点，列出离你的蛋白最近的那些点即可。

本例选用一个公开且广为人知的蛋白，方便你逐行核对结果。查询对象是 UniProt 登录号 P69905，即人血红蛋白亚基 α（条目名 HBA_HUMAN）。我们请求 ESM-2 空间中最近的 8 个 Swiss-Prot 蛋白，同时调取基因 HBA1 的 UniProt 记录，以便把近邻列表与人工注释条目对照阅读。

## BioQ 返回了什么

近邻部分使用 Swiss-Prot 的 ESM-2 650M 嵌入向量，共显示 8 行。第一行是查询蛋白本身，这符合预期：任何蛋白最近的点都是它自己。

| UniProt 登录号 | 余弦相似度 |
|---|---|
| P69905 | 1 |
| P69906 | 1 |
| P69907 | 1 |
| Q9TS35 | 0.9996 |
| P01923 | 0.9995 |
| P63107 | 0.9992 |
| P63108 | 0.9992 |
| P67817 | 0.9992 |

有三个登录号的得分为 1.0：P69905、P69906 和 P69907。其后是 Q9TS35（0.9996）、P01923（0.9995），以及 P63107、P63108 和 P67817（均为 0.9992）。工具自带的说明在此适用：几乎所有蛋白对的余弦值都很高，它只用于对近邻排序，不是序列一致性百分比。

第二部分来自 UniProt 的基因 HBA1 查询，共有 26 条 Swiss-Prot 记录，下面是开头几行。

| 登录号 | 条目名称 | 长度(氨基酸) |
|---|---|---|
| P69905 | HBA_HUMAN | 142 |
| P01946 | HBA_RAT | 142 |
| P83270 | HBA1_ANAMI | 143 |
| Q1AGS5 | HBA1_ARCGL | 143 |
| Q1AGS9 | HBA1_BORSA | 143 |

其中 P69905 为 HBA_HUMAN，长 142 个氨基酸残基；大鼠条目 P01946（HBA_RAT）同样是 142 个残基。随后三个来自其他物种的条目长度为 143 个残基。这是一个快速的一致性检查：由基因名预期的蛋白家族确实存在于 UniProt 中，且长度与查询蛋白接近。

## 结果意味着什么以及如何解读

**看排名，不要看数值。** 所有得分都落在 0.9992 到 1.0 之间，绝对值几乎没有信息量，有价值的是排序以及列表在何处下降。像本例这样一串几乎相同的得分，只说明这些蛋白相对于 Swiss-Prot 的其余部分更接近查询蛋白，并不能说明它们在序列一致性上有多接近。

**到 UniProt 条目中逐个核查近邻。** 近邻表只给出登录号。请打开 P69906、P69907、Q9TS35、P01923、P63107、P63108 和 P67817，查看蛋白名称、物种和家族注释。本例的数据并未说明这些条目是什么，所以不要臆断。如果大多数近邻与查询蛋白属于同一家族，就支持家族层面的关联；如果某个近邻在名称和功能上与之无关，应视为待验证的线索，而不是结论。

**MMseqs2 与 ESM-2 的区别。** MMseqs2 等比对工具会给出每个命中的一致性、覆盖度和 E-value，并可查看比对本身。蛋白语言模型的嵌入则比较整条序列的学习表示，因此即使比对信号很弱，也可能把蛋白放在相近的位置，这正是人们用它研究远缘同源的原因。两者互为补充。本结果没有在你的蛋白上对二者做比较，所以问题重要时请两种方法都运行，看它们在哪里一致。

**手工流程与一次查询。** 手工完成这一任务，需要在 UniProt 中查登录号，获取或生成 Swiss-Prot 的嵌入向量，计算相似度，再回到 UniProt 逐个阅读近邻。这里一次查询 P69905 就调用了 2 个不同的资源：Swiss-Prot 的 ESM-2 嵌入索引和 UniProt。引擎总耗时为 0.45 秒。该数字仅为引擎耗时，不含你阅读结果的时间，我们也不对手工流程的耗时做任何断言。

## 如何在 BioQ 中复现 ESM-2 embedding 蛋白质同源搜索

1. 打开 BioQ，把 UniProt 登录号粘贴到搜索框。对你自己的蛋白，请使用其 Swiss-Prot 登录号。如果你只有一条新序列，近邻方法需要的是索引中已有的登录号。
2. 按原样运行下面的查询。

```text
P69905
```

[在 BioQ 中打开此查询](https://bioq.bio/login?next=%2Fapp%23q%3DP69905)

3. 先读近邻表。注意余弦值从哪里开始下降，并留意你不认识的登录号。
4. 打开不熟悉登录号的 UniProt 记录，将名称、物种和长度与查询蛋白对比。
5. 如果某个近邻看起来值得关注，就对这一对蛋白运行 MMseqs2 等序列比对搜索，得到一致性和 E-value。然后在 BioQ 中查询该近邻的基因，看其他数据层有什么信息。

BioQ 中每个答案都会标明来源，因此你导出的表格会带有嵌入向量的版本（Swiss-Prot 的 ESM-2 650M 嵌入）以及记录的 UniProt 出处。

## 局限：数据未显示的内容

- 余弦相似度不是序列一致性，也不是同源的概率。本例中每个得分都很高，因此对原始数值设阈值无法区分相关与不相关的蛋白。
- 列表显示 8 个近邻，是因为请求的就是 8 个。它并不表明 Swiss-Prot 中有多少蛋白与查询蛋白相关，列表之外的蛋白仍可能相关。
- 嵌入索引只覆盖 Swiss-Prot，不在 Swiss-Prot 中的相关蛋白不会出现。
- 结果不能说明功能、结构或进化方向。相似的嵌入可能反映共有结构域、氨基酸组成或家族归属，表格并未说明是哪一种。
- 血红蛋白 α 是研究充分且高度保守的家族。表征较少的蛋白可能得到更平、更难解读的列表，本例无法预知你的蛋白表现如何。
- HBA1 的 26 条 UniProt 记录，是该基因名下返回的条目数，并不衡量该家族中存在多少种不同的蛋白。
- 数字反映的是截至 2026-11-06 的数据。UniProt 或嵌入向量的后续版本可能改变该列表。

## 数据与方法
本页数字于2026-11-06从 BioQ 引擎读取（共2次查询，引擎累计耗时0.5秒）。表格由代码根据引擎返回结果生成，正文只是对这些数值的转述。

`/neighbourhood`, `/uniprot`

在 BioQ 中亲自运行同一查询：[P69905](https://bioq.bio/login?next=%2Fapp%23q%3DP69905)

*仅供科研参考。本页汇总公开数据，不构成医疗建议。*

BioQ 是一款以“让生物学研究提速 100 倍”为目标的 AI 搜索引擎和智能体。可在网页应用和 REST API 中使用，也可通过 MCP 在 Claude、ChatGPT、Cursor 中提问。

## 使用的查询

- [`P69905`](https://bioq.bio/login?next=%2Fapp%23q%3DP69905)

## 常见问题

### 如何用 ESM-2 embedding 查找与我的蛋白相关的蛋白？

在 BioQ 中输入 Swiss-Prot 登录号，例如 P69905，即可返回 ESM-2 空间中最近的 Swiss-Prot 蛋白；本例返回 8 个，余弦值从 1.0 到 0.9992。

### 余弦值等同于序列一致性百分比吗？

不等同。余弦值只用于对近邻排序，而且几乎对所有蛋白都很高。本例中 8 个值都在 0.9992 到 1.0 之间，要得到一致性需使用比对工具。

### ESM-2 近邻搜索与 MMseqs2 有何不同？

MMseqs2 对序列做比对，并给出一致性和 E-value；ESM-2 搜索比较的是学习得到的嵌入，可能发现远缘同源。本例没有在你的蛋白上比较两者，所以对有价值的近邻请再用比对方法验证。

### P69905 的查询用了多长时间？

引擎总耗时为 0.45 秒，共 2 次查询，调用 2 个不同的资源。这只是引擎耗时，不含阅读时间。

### 本结果中 HBA1 有多少条 UniProt 记录？

UniProt 部分列出基因 HBA1 的 26 条 Swiss-Prot 记录。人类条目 P69905（HBA_HUMAN）长 142 个残基。

## 来源

- 数据集: [UniProtKB/Swiss-Prot with ESM-2 embeddings](https://www.uniprot.org/)

> 结果基于所示日期的公开数据库，可能会变化。BioQ 提供研究信息，不构成医疗建议。
