2026年7月9日以色列理工学院和特拉维夫大学的联合研究团队在《美国国家科学院院刊》上发表了一项开创性研究成果。他们开发了一种名为BetaDescribe的AI系统，能够将蛋白质的氨基酸序列自动翻译成自然语言描述，直接输出该蛋白质的功能、特性、催化活性、参与的代谢过程以及潜在结合位点等详细信息。这一突破有望将蛋白质功能鉴定从耗时数月的实验流程缩短到数分钟的计算预测，对于药物研发和生物技术领域的影响可能不亚于当年AlphaFold对蛋白质结构预测的革命性推动。
蛋白质功能的分析和解读是医学和生物技术发展的重要基础。以近年来大放异彩的GLP-1类药物为例，其研发灵感来源于一种沙漠稀有蜥蜴唾液中的肽，科学家正是因为理解了这种肽的生物学功能才能够将其转化为治疗糖尿病的重磅药物Ozempic。然而传统的蛋白质功能鉴定高度依赖物理化学实验，鉴定一种蛋白质的功能往往需要数周甚至数月时间，成本高达数万美元。更严峻的现实是人类目前已经完成实验表征的蛋白质大约只有数十万种，而自然界中存在的蛋白质总数保守估计有数十亿甚至数万亿种。这种巨大的认知鸿沟意味着可能蕴藏着无数具有药物开发潜力和工业应用价值的蛋白质因为无法被快速鉴定其功能而被埋没。
BetaDescribe正是为了填补这一鸿沟而设计的。与传统的依赖已知蛋白质序列相似性的预测方法不同，BetaDescribe结合了生成式模型、验证机制和评估流程，即使面对与已知蛋白质序列相似度极低的新型蛋白质也能有效地推断其功能。研究团队对BetaDescribe的有效性进行了系统的实验验证，他们选择了6种此前从未被实验表征过的蛋白质，使用BetaDescribe对这些蛋白质进行功能预测，然后使用实际的生化实验验证预测的准确性。实验结果表明BetaDescribe对这6种蛋白质的功能预测与实验结果的平均一致率达到87.3%。
BetaDescribe的技术架构采用了序列编码器加语义解码器加验证器的三段式设计。在第一阶段系统的序列编码器将蛋白质的氨基酸序列转化为高维的嵌入向量，捕获序列中的模式、结构和进化信息。在第二阶段语义解码器基于这些嵌入向量生成自然语言文本，逐句描述蛋白质的功能特征。在第三阶段验证器对生成的描述进行一致性检验，确保输出的科学准确性。BetaDescribe的训练数据来自公开的蛋白质功能数据库和科学文献，经过精心筛选和标注的数据集涵盖了数十万种已表征蛋白质的功能描述。
BetaDescribe与现有的蛋白质结构预测工具形成了良好的互补关系。AlphaFold可以告诉你一个蛋白质长什么样，而BetaDescribe可以告诉你这个蛋白质干什么用。两者的结合使得蛋白质的完整生物学理解成为可能，研究人员可以先使用AlphaFold预测未知蛋白质的三维结构，再使用BetaDescribe预测其功能，形成一个蛋白质理解的全链条工具。团队还计划在后续版本中引入多模态输入，让系统能够同时处理蛋白质序列和结构信息，进一步提升功能预测的准确性。
BetaDescribe的发布是AI在蛋白质科学领域快速推进的最新案例。从2021年AlphaFold 2解决了蛋白质结构预测问题以来AI蛋白质科学已经经历了多个阶段的发展。结构预测阶段完成了蛋白质三维空间的精确预测，功能预测阶段正在将结构信息转化为生物学功能的理解，设计阶段则开始从零设计具有特定功能的蛋白质。BetaDescribe属于功能预测阶段的一个重要进展，它将AI在蛋白质领域的应用从结构升级到了语义层面。在产业应用方面BetaDescribe的价值主要体现在药物靶点发现、工业酶筛选和合成生物学三个领域，可以帮助科研人员大幅提升蛋白质功能筛选的效率和准确性。
以色列理工学院研究团队表示他们计划将BetaDescribe以开源形式发布，供全球科研人员免费使用。这一决策将加速AI蛋白质功能预测技术的普及和迭代，全球各地的生物学实验室都可以利用BetaDescribe来加速自己的蛋白质研究。在产业化方面几家人工智能制药初创公司已经表示了与BetaDescribe团队合作的意向，计划将这一技术整合到药物研发管线中。BetaDescribe的开源发布策略类似于当年AlphaFold的开源，通过开放技术成果来吸引全球科研社区的贡献和反馈，从而加速技术的迭代和完善。同时团队也在
未来几年AI蛋白质功能预测很有可能像今天的AlphaFold一样，成为生物学研究中不可或缺的基础工具。DNA测序技术让科学家能够读取生命的编码，AlphaFold让科学家能够理解生命的结构，而BetaDescribe将帮助科学家解读生命的功能。三者层层递进，正在构建一个完整的生命科学AI工具链。
探索通过提供企业级API服务的方式实现技术的商业可持续性。