基因是遗传信息的载体,而其编码的蛋白质是生命现象复杂性和多变性的直接体现者,所以对蛋白质的研究显得及其重要。本文主要研究蛋白质的相关数据。具体安排如下:第二章研究疾病基因预测问题。近年来科研人员呈现了多种算法,从基于单一数据源到整合多个数据源,排序候选基因。我们整合多个数据源,提出在异构网络上执行带重启的随机游走和拉普拉斯正规化,进而预测疾病基因。结果表明本章算法有优越的性能。第三章研究蛋白质折叠类型的预测问题。蛋白质折叠过程主要关注蛋白质折叠率和折叠类型两方面,本章研究蛋白质折叠类型。先前预测蛋白质折叠类型的方法需要蛋白质的三级结构信息或者预测的二级结构信息。本章仅利用蛋白质初级结构,基于氨基酸物理化学特性和序列本身,提取各种特征,用主成分分析和支持向量机预测蛋白质折叠类型。结果表明目前的方法是有效且有价值的。第四章研究低同源蛋白质结构类预测问题。近几年的研究工作表明,基于预测的蛋白质二级结构,能够有效地预测蛋白质结构类。所以本章提出对预测的蛋白质二级结进行混沌游戏表示,进一步构建可视化及水平可视化网络并提取网络特征,用支持向量机做分类预测,结果显示网络特征也有明显的分类效果。第五章研究两态和多态折叠蛋白质分子动力学模拟之后的分形和网络分析。本章分别对两态和多态蛋白质进行分子动力学模拟,提取各种能量时间序列,构建水平可视化网络和符号网络。我们计算了水平可视化网络的分形维数,分别拟合了符号网络的出入度分布且结果显示其服从逆高斯分布。