蛋白质是机体组织和器官的重要组成成分,在生命活动过程中有着复杂而精细的生物学功能；细胞内几乎所有的化学反应均由蛋白质负责催化；机体生命活动之所以能够井然有序的进行,很重要的原因是由于蛋白质的参与。蛋白质在不同的细胞中行使的功能也大不相同。其中有一种蛋白质因其功能的特殊而被大量研究——凋亡蛋白。凋亡蛋白根据其功能的不同又可细分为：抗凋亡蛋白和促凋亡蛋白。本文利用2013年构建的抗凋亡蛋白和促凋亡蛋白数据集先对已有的和改进的算法进行性能评估,然后再对多种算法的分类结果进行分析。算法的评估和结果的分析中我们主要提取了以下几种特征信息；氨基酸组分信息、组分分段信息、基因本体信息、保守位点进化信息等。对于高维特征空间我们提出了融合支持向量机(SVM)和Shannon信息的降维方法。在算法的评估过程中我们将目前公认性能稳定的支持向量机算法(SVM)作为参考,将其预测性能调整到最优状态,然后将此状态下的特征空间输入到本文采用的(K-紧邻(KNN),离散增量(ID),融合K-紧邻和离散增量算法(ID-KNN))和改进的算法里进行预测,根据预测结果对算法进行评估,从预测结果中我们可以看出不同的算法对于不同的特征信息预测性能明显不同。而在结果的分析中,我们根据多种评价指标对分类结果进行详细探讨,此过程中采用的检验方法是Jackknife检验。除了对单个特征进行分类研究我们又挑选了较好的单特征进行融合分类,预测结果优于单特征分类结果。