随着气候的不规律变化和生态环境的破坏,干旱对农林业生产的影响越来越大。通过栽培抗旱的植物种类,合理利用旱田发展潜力巨大。拟南芥是植物遗传学、发育生物学、分子遗传学的研究的好材料,被誉为植物中的果蝇,因此在植物抗旱领域的研究里,拟南芥发挥着重要的作用。目前研究者们开展了大规模研究用以推断不同基因对植株耐旱功能的影响,并采用各种方法培育具备耐旱能力的植株。其中包括推测蛋白质是否具备耐旱的功能,以此帮助研究者合成具有相关功能的蛋白质,完成植物耐旱的物种改良。序列检测技术的蓬勃发展使测序生产成本大幅下降,测序速度急剧提高,与此同时,蛋白质数据的收集和处理技术也越来越成熟和多样。但是由于网络上蛋白质数据库的使用步骤繁杂,下载的数据需要进行处理后才能使用,以及缺乏分析和可视化这些数据的工具,使得大部分蛋白质数据的有效信息没有得到充分利用。针对上述问题,本文主要工作包括:首先,提出了一种用于蛋白质分类的自动特征选择算法（简称为AFS-DEA）,它主要集成多分类器,采用自适应的方式从基分类器列表中选取相应的基分类模型,使用多轮重采样、基分类器的训练、计算分类准确性的组合方式来计算变量重要性分数,运用聚类方法选出重要的变量。该算法相比于单一分类器准确性高。模拟和真实数据实验证明了该算法的优越性。然后,以拟南芥抗旱蛋白为研究对象,利用自动特征选择算法计算特征重要性,按照特征重要性降序对特征进行逐维增加的迭代计算。最终找出使拟南芥蛋白质表现出抗旱特性的16个关键特征以及对于区分抗旱性有帮助的两种氨基酸性质,并借助这些特征对拟南芥抗旱蛋白质进行分类。最后,面向生物数据的研究过程,秉持美观以及实用性的页面设计理念,基于Django框架和Scrapy框架,集成数据获取、数据处理、特征选择等技术,开发出一个集数据获取-数据处理-特征选择-特征验证为一体的蛋白质研究平台。使用该平台完成了拟南芥抗旱蛋白分类的研究。