本申请提供的用于蛋白质表征学习的多模态信息融合方法、系统、终端及存储介质，利用早期提取、中期融合、后期预测的策略，让各个单模态的模型能够充分提取各自模态的高级语义信息之后再进行融合，后期再通过前馈神经网络去做任务的预测；同时，提出一个多模态融合的模块，能够在中期融合的时候，对每一层网络的不同模态信息进行细粒度的交互，更好地将多模态进行融合并传递下去；在后期预测阶段特征提取器的最后一层，将融合的多模态embedding和之前的单模态embedding拼接在一起作为蛋白质本身的表示，这样做可以最大程度保留单模态原有的信息。