许多蛋白质将构象改变作为它们功能机制的一部分。固有无序化蛋白质在生理状态时具有非有序区域,而不具有稳定折叠的独特的三维固有结构。固有无序化蛋白质在所有生物体中都很常见,并且其各方面特性均对调节细胞功能起到十分重要的作用。然而传统蛋白质组学研究固有无序化蛋白质的相对较少,于是本文通过数据库检索,挑选各物种经过文献、实验验证的全体固有无序化蛋白质以及部分现生人类各重要功能相关的蛋白质序列。分析讨论现有预测算法特征,表明固有无序化蛋白质对有机体的重要性,进行基于理化参数的固有无序化区域预测研究。考虑根据固有无序化蛋白质氨基酸序列的物理和化学性质参数（例如疏水值、亲水值、理论pI、不稳定指数等）来设计预测固有无序化蛋白质方法可能性,发现无序化区域使用氨基酸残基的种类具有一定偏好性以及采用PCA和tSNE算法对数据集进行降维来寻找恰当的模式结论,做出合理的基于物理和化学性质参数的固有无序化区域模式预测算法并以此为固有无序化蛋白质的功能预测提供依据。最后,分析讨论系统发育树结果,并且构造固有无序化蛋白质的分类模型用于为无序化区域功能预测研究提供依据。以此加强对蛋白质聚集导致的相关疾病（主要是神经类疾病）的理解和认识,同时也为将固有无序化蛋白质作为靶蛋白等的新治疗方案的研发提供一定理论上的研究思路。主要研究内容:通过对现有预测算法特征分析来说明对固有无序化蛋白质的结构和功能进行预测,将有助于跨膜结构等各相关方面应用的研究,并且提出了对现有预测算法的补充设计与改进。基于理化参数的固有无序化区域模式预测。尝试通过处理少量数据来推断后续处理全体数据集时应该包含的被选特征。采用主成分分析（PCA）处理数据集获得对所有特征贡献度最大的3项主成分并且通过t-SNE算法辅助降维,从而有效可视化以及聚类,以此为后续根据蛋白质的直系同源推断功能做依据。基于分类群进化关系和相变的无序化区域功能分类预测。蛋白质翻译后修饰（PTM）能够明显改变固有无序化区域电荷、序列驱动力,该区域是相变的决定因素,其密度以及构成状态是推动相变的关键。通过对少量数据全部无序化区域及其有序区域的氨基酸序列具有的功能等内容进行对比,以及采用邻位相连法、贝叶斯法、最大似然法构建系统发育树,分析其分类群进化关系来寻找整体分类模式和功能相似性,为直系同源的蛋白质建立可信的功能分析预测模型。并且采用ProtScale分析处理数据集获得无序化区域所占比例大于20%的固有无序化蛋白质的无序化区域大部分位于谱线的峰值处的结论。采用细胞肿瘤抗原p53进行模型验证实现,并且在数据库中进行了结论验证。得出本文方法在比现有类似方法提高了一定准确率的同时改进了预测时可供选择的理化性质特征,提出了根据基因家族蛋白质是否具有跨膜结构及相变发生可能性的基于物理和化学性质参数来预测蛋白质是否属于固有无序化蛋白质的新方法。