蛋白质的三维结构决定其生物功能,折叠模式是蛋白质空间拓扑的一种分类表达。自然界中的蛋白质结构约十多万种而折叠模式的总数约一千多种。因此,蛋白质折叠模式预测研究具有重要的科学意义和应用价值。　　 SCOP数据库是人工分类的蛋白质结构分类数据库。本文对SCOP数据库中蛋白质的折叠模式进行解读,分析研究氨基酸串属性与折叠模式的关系,并构造分类器对氨基酸串的折叠模式进行预测。　　 首先,从SCOP数据库中构造了两种训练集,对训练集的氨基酸串根据生化知识分析抽取相关属性,如氨基酸串的折叠模式、长度、频率、疏水等。构造相应的SVM分类器,对一系列折叠预测的开放测试集进行测试,并对预测结果进行分析。　　 面向从头预测问题对训练集重新提取属性,完整地保留氨基酸串属性,分别构造了SVM分类器和贝叶斯分类器,对测试集进行预测,并分析预测结果的有用性。然后将折叠预测的结果应用于从头预测中,为从头预测提供良好的片段库,以提高从头预测的精度。　　 本文详细的实验结果表明,测试集折叠模式的预测准确率最高可达到84.6154％,基于机器学习的折叠模式预测能够为从头预测提供有价值的支持。