BetaDescribe 70亿参数模型将蛋白质序列转为功能描述
BetaDescribe 直接读取蛋白质序列并输出功能描述，尤其擅长传统方法无能为力的“孤儿蛋白”，弥合序列与功能间的鸿沟。
BetaDescribe 是一个 70 亿参数的蛋白质语言模型，它把氨基酸序列当作“生物文本”，直接生成功能、定位、结构域等自然语言描述。模型采用“生成器—验证器—评判器”三层架构，类似同行评审，能处理传统方法难以注释的低相似度“孤儿蛋白”，为探索未知蛋白提供新假设。
正文摘录
70亿级参数模型 BetaDescribe，实现从氨基酸序列到功能描述的智能转换 - source\company: 机器之心 .jpg) 编辑丨& 在生命世界中，蛋白质像一套由氨基酸组成的复杂语言。每一条蛋白质序列都携带着关于结构、位置和功能的信息，但如何从这串由 20 种氨基酸字母组成的「密码」中准确读出生命活动的含义，长期以来仍是生物学中的核心难题。 面对一个未知蛋白，研究人员通常需要依赖实验验证，或者寻找数据库中与其相似的已知蛋白，通过序列比对推测功能。然而，生命系统中仍存在大量缺乏明确注释的蛋白质，尤其是那些与已知蛋白序列相似度极低的「孤儿蛋白」，传统方法往往难以判断其真实作用。 AI 正在改变这一局面。2026 年 6 月 29 日，在 PNAS 上发表的「BetaDescribe: Providing rich descriptions from protein sequences」，提出了一种名为 BetaDescribe 的蛋白质语言模型框架。该模型能够直接读取蛋白质序列，并生成类似科学注释的自然语言描述，包括蛋白质功能、催化活性、亚细胞定位以及结构域信息等。