科普介绍 GPT-Rosalind：富兰克林命名由来、领域专用原理与工具增强推理、可协助完成的研究功能与场景案例、评测与 Codex 插件、可信访问与安全原则；含官方配图与条漫示意。

科普介绍 uv 的产生背景、项目定位与核心优势；并与 venv、Conda 等常见环境管理方案做优劣与适用场景对比，辅以类比与例子。

从四级结构、域级拓扑、CDR 与抗原结合、铰链柔性、Fc 与糖基化到酶切片段，系统梳理免疫球蛋白（抗体）的分子架构；配图均为域球与肽链走向示意，便于对照 PDB。

整理酶功能/动力学预测大模型中与 SMILES 相关的角色：底物线性编码、典型双支路架构、代表工作（UniKP、DLKcat、DeepEnzyme 等）、数据与清洗注意；附 RDKit/PyTorch 实践实例。

ProtT5 的 T5 编码器—解码器骨架、相对位置注意力、与原版 T5 去噪目标的差异；ProtT5-XL-UniRef50 的训练数据、掩码策略、初始化与超参；嵌入提取与下游使用注意。

文献《Enhancing the reverse transcriptase function in Taq polymerase via AI-driven multiparametric rational design》解析：ProtT5-XL 同源 evotune、嵌入均值汇聚、Ridge/高斯过程回归与千万级 in silico 筛选。

文献《Rapid in silico directed evolution by a protein language model with EVOLVEpro》解析：ESM-2 序列表征、残基嵌入均值汇聚、随机森林回归与主动学习 top-N 策略，及与零样本 PLM 适应度的关系。

文献《UniKP》解析：基于 ProtT5 与 SMILES Transformer 表征 + 极端随机树（Extra Trees）统一预测 kcat、Km 与 kcat/Km；EF-UniKP 环境因子、样本重加权与和 DLKcat、DeepEnzyme 等的关系。

文献《DeepEnzyme》解析：融合 Transformer 与图卷积网络（GCN），利用蛋白质三维结构与底物信息预测酶周转数（kcat），及与 TurNuP、DLKcat、UniKP 等的对比与适用场景。

面向无 Transformer 基础的读者：用比喻与示意图说明 ESM 的掩码预训练、编码器结构、自注意力与残差块；并梳理 ESM-1→ESM-2/ESMFold→ESM-3 的代际迭代与多模态范式差异。