蛋白质二级结构预测一直是生物信息学中一个比较活跃的研究领域,开发新的二级结构预测有效特征是该研究的有效策略.结构特异性得分矩阵(SPSSM)是近年来开发出来的一种新的二级结构预测特征,对蛋白质二级结构的预测效果非常明显.2011年,我们首次用SPSSM对当时最新的2个EVA数据集的三态二级结构预测,达到了世界上最好的预测准确率,Q3分别达到82.7％和82.0％.SPSSM8利用8态的SPSSM信息,仅利用8个变量完成蛋白质8态二级结构的预测.2013年,在对一个低冗余度测试集的预测中,全面胜过文献中提到8态二级结构预测方法CNF和SSpro8,Q8的准确率分别高出4、10个百分点.对一些出现概率低的二态结构如G、B、L等,CNF和SSpro8几乎无法预测,SPSSM8的预测准确率都得到了大幅的提升,体现了算法的优势.在CASP9的预测中,SPSSM8也取得了非常好的结果,Q8达到了80.1％.近年来,旨在充分利用核磁共振化学位移(CS Chemical Shift)信息进行蛋白质二级结构的预测逐步成为化学信息学研究的热点.在近期的一项研究中,我们利用低冗余度的基础比对库(230万条蛋白),并结合CS信息进行蛋白质二级结构的预测,共15个变量,使得预测的速度提高了近10倍,同时二级结构预测的准确度也达到了很高的水准.在预测低冗余度的独立测试集(与建模样本冗余度为25％)时,Q8达到80.8％,Q3达到90.1％,对CASP10的预测,Q8达到73.7％,Q3达到85.3％.