蛋白质是生物体的必要组成成分,参与了细胞生命活动中的每一个进程,它的种类繁多且功能各异,准确预测蛋白质的功能对于疾病预防和药物开发等领域具有重要的意义。随着测序技术的发展,蛋白质序列数据呈指数级的增长。然而传统的实验方法费时费力,已经不能够满足如今大量蛋白质数据注释的需求。因此迫切需要使用计算的方法来快速、准确的预测蛋白质的功能。经过实验证明,PSI-BLAST profiles可以为各种蛋白质分类任务提供重要的和具有辨识性的进化信息。然而,在之前的工作中,从PSI-BLAST profiles衍生出来的进化特征并没有得到充分的探索和使用。本文我们通过使用进化特征来准确识别细菌IV型效应蛋白和噬菌体病毒蛋白,主要内容如下:（1）许多革兰氏阴性菌利用IV型分泌系统将效应分子输送到多种靶细胞。这些底物蛋白质,被称为IV型分泌效应物（type IV secreted effectors,T4SE）,在感染过程中操纵宿主细胞过程,常导致宿主严重疾病甚至死亡。鉴于T4SEs在了解宿主-病原体相互作用方面具有重要作用,如何准确的识别T4SEs已成为生物信息学中一个非常活跃的研究课题。在本研究中,我们开发了一种名为iT4SE-EP的精确预测模型,该模型通过从位置特异性评分矩阵和位置特异性频率矩阵中提取进化特征来识别T4SEs。首先,设计了四种编码策略,将非等长的蛋白质序列转化为相同维度的特征向量。然后,利用基于随机森林算法的特征选择技术,在不损失大量信息的前提下减少冗余或无关特征;最后,将最优特征子集输入支持向量机分类器进行T4SEs的预测。独立测试结果表明,iT4SE-EP方法优于现有的大多数方法。（2）噬菌体病毒粒子蛋白（phage virion protein,PVP）是噬菌体结构蛋白的一种,是感染性病毒粒子的重要物质,具有多种生物功能。PVPs的准确鉴定对于了解噬菌体与宿主菌的相互作用,开发新的抗菌药物或抗生素具有重要意义。然而,传统的实验方法往往是费时费力的。因此,开发高效、准确地识别PVPs的计算方法是一个有待解决的问题。在本研究中,我们提出了一个多分类器投票模型,称为iPVP-MCV,用于提高PVPs的预测性能。首先,从位置特异性评分矩阵中提取三种类型的进化特征来代表PVPs和non-PVPs。然后,基于支持向量机算法结合各类特征训练一组基分类器。最后,结合这些基分类器的输出,采用多数投票策略构造出iPVP-MCV。实验结果表明,本文提出的iPVP-MCV模型在进行严格的独立数据集测试时优于现有方法,可以作为一个有用的工具来识别PVPs。通过对iT4SE-EP和iPVP-MCV在基准数据集上测试结果的对比分析,可以观察到我们提出的两个方法都表现较为出色,相比于现有相同研究领域中的一些方法在结果上均有提升。这证明了iT4SE-EP和iPVP-MCV在其相关领域中具有很大的应用价值。