Nat Mach Intell｜多伦多大学：利用UniProt文本注释提升蛋白质表征预测能力的PAIR框架

背景：蛋白质功能预测是生物信息学和药物发现的核心挑战，现有蛋白质语言模型主要依赖序列保守性，但受进化与环境因素干扰，难以直接捕捉实验验证的功能信息。UniProt知识库积累了大量文本注释，却鲜有方法利用。研究目的：多伦多大学团队开发PAIR框架，通过序列到文本的注意力机制整合UniProt文本注释，提升蛋白质表示的预测能力和泛化性。结论：PAIR在训练任务上性能提升10%以上，在未见任务（如酶分类和基因本体预测）及低序列相似度场景下超越BLAST，尤其在少样本和低资源场景表现出色，为蛋白质功能预测提供了高效解决方案。