预训练蛋白质语言模型 (PLMs) 能够以无监督的方式学习数百万蛋白质中氨基酸序列的分布特征，在揭示蛋白质序列与其功能之间的隐含关系方面显示出了巨大的潜力。 在此背景下，上海交通大学自然科学研究院/物理天文学院/张江高研院/药学院洪亮教授课题组，联合上海人工智能实验室青年研究员谈攀，开发了一种针对蛋白质语言模型的小样本学习方法，能够在使用极少数湿实验数据的情况下大幅提升传统蛋白质语言模型的突变效