使用指南閱讀約 5 分鐘

P69905 蛋白質同源性搜尋:ESM-2 embedding

在 BioQ 查詢 P69905(hemoglobin alpha),列出 ESM-2 空間中 8 個最近的 Swiss-Prot 鄰近蛋白與 cosine 分數,資料截至 2026-11-06。

資料截至 2026年11月6日 · BioQ 團隊

BioQ 查詢 P69905 的結果頁面,表格列出最近的 Swiss-Prot 鄰近蛋白,包含 UniProt accession 與 cosine 相似度數值。

針對 P69905(hemoglobin alpha),在 BioQ 進行蛋白質同源性搜尋 ESM-2 embedding,會回傳 8 個 Swiss-Prot 鄰近蛋白,cosine 分數由 1.0 到 0.9992。資料截至 2026-11-06。引擎總計耗時 0.45 秒,共執行 2 次查詢。

我們問了什麼

這是常見的需求:手上有一個蛋白質,想知道 Swiss-Prot 中是否有與它相關的條目。多數人會先想到序列比對。蛋白質語言模型則提供另一種視角:每個 Swiss-Prot 條目都是 embedding 空間中的一個點,列出離你的蛋白質最近的那些點即可。

本例使用公開且廣為人知的蛋白質,方便你逐行核對結果。查詢的是 UniProt accession P69905,即人類 hemoglobin subunit alpha(條目名稱 HBA_HUMAN)。我們要求取得 ESM-2 空間中最近的 8 個 Swiss-Prot 蛋白。同時也調出基因 HBA1 的 UniProt 記錄,讓鄰近清單可以對照已人工審閱的條目來閱讀。

BioQ 回傳了什麼

鄰近蛋白區塊使用 Swiss-Prot 的 ESM-2 650M embeddings,共顯示 8 列。第一列是查詢蛋白本身,這在預期之中:任何蛋白質最近的點就是它自己。

UniProt 登錄號餘弦相似度
P699051
P699061
P699071
Q9TS350.9996
P019230.9995
P631070.9992
P631080.9992
P678170.9992

有三個 accession 的分數為 1.0:P69905、P69906 與 P69907。其後依序為 Q9TS35(0.9996)、P01923(0.9995),以及 P63107、P63108 與 P67817(皆為 0.9992)。工具本身附有提醒:cosine 對幾乎所有蛋白質都偏高,它用來排序鄰近蛋白,並不是序列一致性百分比。

第二個區塊取自 UniProt 的基因 HBA1,共有 26 筆 Swiss-Prot 記錄,前幾列如下。

登錄號條目名稱長度(aa)
P69905HBA_HUMAN142
P01946HBA_RAT142
P83270HBA1_ANAMI143
Q1AGS5HBA1_ARCGL143
Q1AGS9HBA1_BORSA143

其中 P69905 為 HBA_HUMAN,長度 142 個胺基酸殘基;大鼠條目 P01946(HBA_RAT)同樣為 142 個殘基。接下來三筆來自其他物種的條目長度皆為 143。這可作為快速的一致性檢查:由基因名稱預期的蛋白家族確實存在於 UniProt,且長度與你的查詢蛋白相近。

結果的意義與解讀方式

看排名,不要看數值。 所有分數都落在 0.9992 到 1.0 之間,絕對數值幾乎沒有資訊量。真正有意義的是排序,以及清單在哪裡開始下降。像這樣一長串幾乎相同的分數,只能說明這些蛋白質相對於 Swiss-Prot 其餘部分而言接近查詢蛋白,並不代表序列一致性有多高。

到 UniProt 條目逐一確認每個鄰近蛋白。 鄰近表格只提供 accession。請打開 P69906、P69907、Q9TS35、P01923、P63107、P63108 與 P67817,閱讀蛋白名稱、物種與家族註解。本次的 FACTS 並未說明這些條目是什麼,因此不要自行假設。如果多數鄰近蛋白與查詢蛋白屬於同一家族,就支持家族層級的關聯;若有某個條目的名稱與功能看起來毫無關係,應視為待驗證的線索,而不是發現。

MMseqs2 與 ESM-2 的差異。 MMseqs2 這類比對工具會為每個 hit 報告 identity、coverage 與 E-value,也能直接檢視比對結果。蛋白質語言模型的 embedding 則是比較整條序列的學習表徵,因此即使比對訊號微弱,仍可能把蛋白質放在相近位置,這也是它常被用於遠緣同源(remote homology)的原因。兩者互補。本結果並未在你的蛋白質上比較兩者,因此問題重要時請兩種方法都跑,看它們在哪裡一致。

手動流程與單一查詢的差別。 手動進行時,需要先在 UniProt 查詢 accession,取得或自行產生 Swiss-Prot 的 embeddings,計算相似度,再回到 UniProt 閱讀每個鄰近蛋白。這裡只用一次查詢 P69905,就串接了 2 個不同的資源:Swiss-Prot 的 ESM-2 embedding 索引與 UniProt。引擎總耗時為 0.45 秒。這個數字僅是引擎時間,不含你閱讀結果的時間,我們也不對手動流程的耗時做任何主張。

如何在 BioQ 重現蛋白質同源性搜尋 ESM-2 embedding

  1. 開啟 BioQ,在搜尋框貼上 UniProt accession。若要查自己的蛋白質,請使用其 Swiss-Prot accession。如果你只有一條新序列,最近鄰方法需要的是已存在於索引中的 accession。
  2. 依原樣執行以下查詢。
P69905

在 BioQ 中開啟此查詢

  1. 先閱讀鄰近蛋白表格。注意 cosine 數值從哪裡開始下降,並記下任何你不認得的 accession。
  2. 開啟不熟悉 accession 的 UniProt 記錄,將名稱、物種與長度與你的查詢蛋白比較。
  3. 若某個鄰近蛋白值得關注,可針對該配對執行 MMseqs2 等序列比對搜尋,取得 identity 與 E-value。接著在 BioQ 查詢該鄰近蛋白的基因,看其他資料層怎麼說。

BioQ 的每個答案都會標明來源,因此你匯出的表格會附上 embedding 版本(Swiss-Prot 的 ESM-2 650M embeddings)以及記錄的 UniProt 來源。

限制:資料未顯示的部分

  • cosine 相似度不是序列一致性,也不是同源的機率。本例中每個分數都很高,若對原始數值設定門檻,並無法區分相關與不相關的蛋白質。
  • 清單顯示 8 個鄰近蛋白,是因為我們要求 8 個。它不代表 Swiss-Prot 中與你的查詢蛋白相關的蛋白總數,排在清單之外的蛋白仍可能相關。
  • embedding 僅涵蓋 Swiss-Prot。不在 Swiss-Prot 中的相關蛋白不會出現。
  • 結果無法告訴你功能、結構或演化方向。相似的 embedding 可能反映共有的結構域、組成或家族歸屬,而表格並未指出是哪一種。
  • hemoglobin alpha 是研究透徹、高度保守的蛋白家族。研究較少的蛋白質可能得到更平緩、較難解讀的清單,本例無法預測你的蛋白質會如何表現。
  • HBA1 的 26 筆 UniProt 記錄,只是以該基因名稱查詢所回傳的條目數,並非該家族中不同蛋白質數量的衡量。
  • 數字反映的是 2026-11-06 的資料。UniProt 或 embeddings 的後續版本可能改變清單內容。

資料與方法

本頁數字於2026-11-06從 BioQ 引擎讀取(共2次查詢,引擎累計耗時0.5秒)。表格由程式根據引擎回應產生,內文只是對這些數值的轉述。

/neighbourhood, /uniprot

在 BioQ 中親自執行同一查詢:P69905

僅供研究參考。本頁彙整公開資料,不構成醫療建議。

BioQ 是一個以「讓生物學研究加速 100 倍」為目標的 AI 搜尋引擎與代理程式。可在網頁應用程式與 REST API 使用,也能透過 MCP 在 Claude、ChatGPT、Cursor 中提問。

使用的查詢

常見問題

如何用 ESM-2 embedding 找出與我的蛋白質相關的蛋白?

在 BioQ 輸入 Swiss-Prot accession,例如 P69905,即可取得 ESM-2 空間中最近的 Swiss-Prot 蛋白。本例回傳 8 個,cosine 值由 1.0 到 0.9992。

cosine 值等同於序列一致性百分比嗎?

不是。cosine 只用來排序鄰近蛋白,而且對幾乎所有蛋白質都偏高。本例 8 個數值全介於 0.9992 與 1.0 之間,要得知一致性仍需使用序列比對工具。

ESM-2 鄰近搜尋與 MMseqs2 有何不同?

MMseqs2 進行序列比對,並報告 identity 與 E-value;ESM-2 搜尋則比較學習得到的 embedding,可能偵測到遠緣同源。本例並未在你的蛋白質上比較兩者,因此對值得關注的鄰近蛋白,請再用序列比對確認。

P69905 的查詢花了多少時間?

引擎總耗時為 0.45 秒,共執行 2 次查詢,串接 2 個不同的資源。這只是引擎時間,不含閱讀結果的時間。

這次結果中 HBA1 有多少筆 UniProt 記錄?

UniProt 區塊列出基因 HBA1 的 26 筆 Swiss-Prot 記錄。人類條目 P69905(HBA_HUMAN)長度為 142 個殘基。

出處

  1. 資料集 UniProtKB/Swiss-Prot with ESM-2 embeddings

結果依所示日期的公開資料庫而定,可能變動。BioQ 提供研究資訊,不構成醫療建議。

更多文章