本研究优化了蛋白质语言模型的训练，通过增加多样性以防止过拟合，并引入元基因组蛋白质序列，发现了新的规律。适当调整计算资源可提高模型的精确度。

本研究探讨了DNA序列表示的挑战，提出了一种基于k-mer的轻量化模型，能够在基因组读取层面进行元基因组分箱，具有更好的可扩展性，适用于真实数据集。