蛋白质是生物过程的大分子,具有动态和复杂的表面。由于局部或全局结构的变化,它们会表现出多种不同的构象,这些结构变化会极大地影响它们的全局和局部形状。蛋白质的不同构象以及动态变化给三维蛋白质的检索带来了挑战。本文以3D蛋白质模型检索为研究背景,为了提高三维蛋白质模型检索精度,本文提出了一种新的检索框架以及新的检索方法,主要开展了以下工作:(1)本文以3D蛋白质模型检索为目标,设计了三维蛋白质检索框架,检索框架大致分为四步:第一步,对查询分子进行预处理生成3D网格模型;第二步,分别用四种谱描述符训练生成码书;第三步,根据码书大小以及每个点的原始向量计算出BoF;第四步,生成相似蛋白质列表。在此框架基础上分析了四种谱方法在三种不同类型分子数据集上的性能,它们分别是 Heat Kernel Signature(HKS)、Glogal spectral graph wavelet(GSGW)、Wave Kernel Signature(WKS)、Scale-invariant heat kernel signature(SIHKS),并通过实验结果,基于检索框架的谱方法的检索性能有着极大的提高,论证了检索框架的有效性。在该框架下分析了蛋白质模型面以及词典大小与算法检索性能之间的关系。(2)单个算法在蛋白质数据集的检索效果并不理想,为了提高检索性能,提出了一种新的基于混合谱特征的蛋白质形状检索谱方法,该方法结合了 Wave Kernel Signature(WKS)和Heat Kernel Signature(HKS)即混合谱算法。混合谱算法是WKS算法以及HKS算法分别计算BoF,并将两个归一化后的向量合并成一个向量作为算法的新特征,对混合谱算法和现有的几种形状描述算法在三个不同类型的分子数据集上进行了综合比较。实验表明,该算法比单一的算法的检索效果更好,并优于几种对比的形状检索算法。