AI系统将蛋白质序列“翻译”成文字

背景

蛋白质是生命活动的主要执行者，其功能由氨基酸序列决定。长期以来，科学家通过实验方法（如X射线晶体学、核磁共振）或计算预测（如结构模拟）来解析蛋白质功能，但这些方法成本高、耗时长，难以大规模应用。近年来，AI在蛋白质结构预测（如AlphaFold）领域取得突破，但将序列直接“解读”为人类可理解的功能描述仍是挑战。以色列理工学院和特拉维夫大学的研究团队开发的新系统BetaDescribe，尝试用自然语言处理技术直接“翻译”蛋白质序列，为功能注释开辟新路径。

核心内容

研究团队开发的AI系统BetaDescribe，能够将蛋白质的氨基酸序列作为输入，自动输出对蛋白质功能及特性的自然语言描述——相当于把蛋白质序列“翻译”成文字。该系统基于深度学习模型，通过大量已注释的蛋白质序列-功能配对数据进行训练，学习序列与功能描述之间的映射关系。当输入一个新的蛋白质序列时，BetaDescribe会生成一段连贯的文字，涵盖该蛋白质可能参与的生物过程、分子功能、细胞定位等关键特性。这种“序列到文本”的生成方式，类似于将蛋白质的“语言”（氨基酸序列）转译成人类可读的“语言”（功能描述），使得非专家也能快速理解蛋白质的作用。

关键要点

• BetaDescribe是一个AI系统，核心功能是将蛋白质氨基酸序列自动转化为功能与特性的文字描述。
• 系统基于深度学习技术，通过序列-功能配对数据集训练，实现“序列到文本”的生成。
• 它能够输出包含生物过程、分子功能、细胞定位等多维度的自然语言描述。
• 研究团队来自以色列理工学院和特拉维夫大学。
• 该方法为蛋白质功能注释提供了一种高效、可扩展的新工具，无需依赖昂贵的实验或复杂的结构模拟。

意义与影响

BetaDescribe的出现，标志着AI在生物信息学领域的应用从“预测结构”迈向“理解功能”。对于药物研发而言，它能够快速筛选潜在药物靶点蛋白，加速先导化合物发现；在新材料设计方面，可辅助解析酶或结构蛋白的特性，指导人工蛋白合成。此外，该系统让生物学实验结果转化为可直接阅读的报告成为可能，降低了跨学科合作的门槛。长远来看，这种将生物序列“翻译”成自然语言的方法，有望成为蛋白质组学研究的标准化工具，推动精准医疗和合成生物学的发展。