由于最近的高通量测序技术，蛋白质功能预测是基因组注释的关键部分，已经得到了突飞猛进的发展。 在存储蛋白质功能术语的可用数据库中，基因本体论（GO）是用于描述功能特性的最杰出和最普遍的资源。 同时，深度学习是数据驱动方法中快速发展的学科，在对氨基酸序列的GO术语进行分类方面正发挥着令人印象深刻的潜力。 因此，我们想对蛋白质的计算GO注释方法（从传统方法到深度学习方法）进行综述。 在经过审查的工具中，我们选择一些合适的预测变量，并进行小型比较，以基于全球挑战的方式比较它们的性能。 最后，我们讨论了仍