生物信息学的出现极大的推动了生命科学相关学科的发展,对于近年来不断增长的生物相关海量数据提供了相应的解决方案。其中蛋白质结构的研究是生物信息学中的一个热点,通过研究蛋白质的结构能够更好的认清蛋白质的内在机制,了解生命活动的奥秘。蛋白质的结构主要分为四个层级,其中四级结构对于蛋白质大分子来说有着重要意义,近几年相关学者对蛋白质四级结构的预测做了大量的工作,可是预测率仍旧不是非常理想,本文利用不同的特征提取方法以及机器学习算法进行整合,构造出不同的预测器,对蛋白质四级结构完成两层预测,第一层预先对单聚体,同源多聚体,非同源多聚体进行判别,完成之后我通过第二层预测器能够预测出它具体是属于几聚体,本文主要工作如下:(1)构造了一种利用改进的伪氨基酸成分法进行特征提取,结合最近邻算法的预测方法,对比于传统的伪氨基酸成分法整体预测率提高了12.63%,达到了67.81%同时在第二层中部分类别提高了20%预测成功率。(2)我利用Gene Ontology数据库结合现有的结构功能域数据库进行特征提取,利用随机森林方法进行分类,发现比较于之前的研究该方法的整体预测率能够达到74.38%,提高了3.24%。(3)我还分别利用传统神经网络与卷积神经网络,将四级结构预测与最新的深度学习网络进行融合,发现神经网络在一些样本量较小的数据预测中表现的不错。本文分别用了四种不同的方法对蛋白质四级结构进行分析研究,结果表明相较于传统方法都有着一定的提升,达到了较好的预期结果。