Исследователи представили PLMView — новую вычислительную платформу на основе языковых моделей белков (PLM) для классификации функций белков с высокой точностью. Метод работает без размеченных данных, специфичного обучения для семейств белков или дообучения PLM, позиционируя последовательности в совместном функциональном пространстве через сравнение с якорными последовательностями. Платформа демонстрирует высокую вычислительную эффективность: классификация примерно 10 000 последовательностей с 1 000 якорей выполняется менее чем за 40 минут, что более чем в 10 раз быстрее реконструкции сетей сходства последовательностей (SSN) на данных такого масштаба. PLMView превосходит методы пулинговых эмбеддингов и SSN по биологической согласованности функционального разрешения, особенно в сложных случаях. Применения метода включают анализ тиоредоксинов, визуальных опсинов и холод-шок белков диатомовых водорослей из проекта Tara Oceans, демонстрируя переход от интерпретируемых детерминант на уровне остатков в изученных семействах к крупномасштабному экологическому открытию функций. Метод выявляет остатки, вероятно определяющие функциональную специфичность, связывая молекулярную специализацию с экологическим распределением и транскрипционной активностью в глобальном океане.