蛋白质三维结构对于生物学和医学来说意义重大,利用生化手段测定蛋白质结构代价高,耗时长,因此利用计算手段预测蛋白质三维结构逐渐成为计算生物学的重要课题。在巨大的构象空间中如何有效的搜索,是该课题的重大挑战之一。本文研究将并行蚁群优化技术应用于蛋白质结构预测问题。　　 针对基于二维HP模型的蛋白质结构预测问题,设计了串行算法ACOHP和基于共享信息素矩阵的并行算法PACOHP,并通过11条测试集对并行算法进行评价,其中8个得到了最优解。这为将共享信息素矩阵的并行蚁群算法应用到更真实复杂的蛋白质三维结构预测提供了基础。　　 对于蛋白质三维骨架预测问题,通过共享信息素方法将多个能量函数融合,设计了pacBackbone预测算法。针对蛋白质Loop区域灵活多变的特性,采用了局部优化技术。同时设计了交叉构象操作,能以较少开销衍生更多优质的蛋白质候选构象。选择最适合的聚类算法和甄别方法,在众多的候选结构中挑出最接近于天然结构的构象。　　 用CASP8所公布的13个从头预测类别目标作为测试集,对pacBackbone进行了测试。与CASP8比赛结果的实际排名进行对照,其中有2个目标的预测结果超过CASP8中最好的结果,7个位列前10名。实验结果证实,利用共享信息素矩阵的并行蚁群算法解决蛋白质结构预测问题,是一种有潜力的新方法。