近日，OpenMed团队在Hugging Face平台发布了一项重要成果，展示了其构建的端到端蛋白质AI全流程。该流程涵盖了蛋白质结构预测、序列设计以及关键的密码子优化环节。研究团队对多种Transformer架构进行了深入的密码子级语言建模对比，发现CodonRoBERTa-large-v2模型表现最为突出，其困惑度低至4.10，与密码子适应指数（CAI）的斯皮尔曼相关系数达到0.40，性能显著超越了ModernBERT模型。在此基础上，团队将研究规模扩展至25个不同物种，仅用55个GPU小时便成功训练出四个可用于实际生产的模型，并构建了一个具备物种条件化能力的系统。这一系统是目前开源社区中独一无二的。该博客文章完整公布了所有实验结果、关键的架构决策细节以及可直接运行的代码，为计算生物学和AI驱动的药物设计领域提供了极具价值的开源工具和洞见。