蛋白质工程在医疗、食品、化工和能源等多个领域有重要应用,并具有加速合成生物学、医学和纳米技术发展的潜力。在传统蛋白质工程方法中,定向进化需要进行大量的随机突变和筛选,致使效率较低;理性设计则由于对蛋白质序列、结构与功能内在关联的理解不足,存在准确率低等瓶颈问题。随着蛋白质数据库规模的指数倍增长,其中已蕴含蛋白质数十亿年的进化信息,但数据库中大多数蛋白质并没有对应的标签和注释信息。目前,人工智能技术的发展为认识蛋白质序列、结构和功能之间的内在关联提供了新的技术框架,基于人工智能的蛋白质工程将引领生命科学领域的新一轮革命。自监督学习作为一种能够从无标签数据中学习语义信息的人工智能技术,近年来已被用于从大量无标签蛋白质序列中学习包含其生物特性的嵌入编码,该编码能够在蛋白质工程任务中节省两个数量级的成本。蛋白质的功能特性主要由其三级结构决定,而目前尚未有基于自监督学习对大量无标签蛋白质三级结构进行嵌入编码的相关研究。因此,本研究旨在搭建“编码器-解码器”架构的神经网络语言模型,对蛋白质三级结构进行嵌入编码。模型训练过程分为以下三个步骤:1)将蛋白质三级结构中的每个残基由其空间近邻残基的相关特征进行表示,并以此作为模型输入;2)在编码器中,通过双向长短期记忆网络提取蛋白质序列的上下文信息;3)在解码器中,通过每个残基的上下文信息来预测该残基的类型,从而以自监督学习的方式实现蛋白质三级结构嵌入编码（Pts Rep）。Pts Rep在蛋白质结构分类任务中的聚类表现相较于其原始输入提升9.2倍,证明其能够捕获蛋白质结构中蕴含的深层生物语义信息。为了进一步评估PtsRep的应用性能,本研究将其应用于蛋白质稳定性预测和av GFP荧光亮度预测两个蛋白质工程任务。实验结果表明,Pts Rep优于该领域领先的TAPEBERT和Uni Rep两种基准嵌入编码,且仅使用TAPE-BERT模型0.12%的训练数据量和2.7%的网络参数量。在蛋白质稳定性预测任务中,使用相同数据集的前提下,Pts Rep相较于此前最佳模型在斯皮尔曼相关系数上提高27.4%。在av GFP荧光亮度预测任务中,仿真实验结果表明Pts Rep仅需测试28条突变序列即可从25,517个av GFP突变体中识别荧光值最高的突变体,相较于此前最佳模型降低60%的测试预算。基于上述研究工作,本研究进一步将Pts Rep、TAPE-BERT和Uni Rep三种模型加权集成,集成模型在识别av GFP最亮突变体任务中相较于其最佳子模型降低25%的测试预算。此外,本研究基于集成模型开发用以预测av GFP突变体荧光亮度的Web应用程序。综上所述,本研究基于自监督学习实现了蛋白质三级结构嵌入编码,该编码在蛋白质工程任务中的表现优于此前方法,并通过集成多个嵌入编码模型进一步提升模型识别目标突变体的能力。本研究为探索蛋白质工程中突变体和功能之间的关联提供了新途径,并为其他蛋白质相关研究领域提供了新视角。