生物信息学中一个基础而尚未解决的问题是从氨基酸序列预测蛋白质的三维结构。目前,使用全分子建模方法得到蛋白质的三维结构仍然十分困难,因此,预测蛋白质三维结构的一个中间步骤----预测蛋白质残基间的关联图应运而生并得到快速发展。蛋白质关联图包含着蛋白质折叠信息和空间结构的重要信息,因此它的解决对于蛋白质折叠识别意义重大。在获取了蛋白质关联图信息后,蛋白质三级结构重建将变得比较简单,而且根据蛋白质关联图信息重建蛋白质三级结构的方法已日渐成熟。同时,在蛋白质结构比对方法中,蛋白质关联图叠合法是唯一不用预先计算蛋白质结构的方法。蛋白质的结构决定功能,因此蛋白质关联图预测问题的解决对蛋白质空间结构预测和蛋白质功能预测都有着极其重大的意义。计算智能是一种仿生计算方法,它从生物底层对智能行为进行模拟和研究,拓展了传统的计算模式,它具有在不确定及不精确环境中进行推理和学习的卓越能力,是建立智能系统的有效计算工具。随着人类基因组计划的实施,以及更多生物基因组测序计划的完成,计算智能在生物信息学中得到了广泛的应用。本文在全面分析和了解了蛋白质结构预测的研究现状、研究热点和发展趋势的基础上,重点研究了人工神经网络和人工免疫系统在蛋白质关联图预测中的应用。本文的主要贡献和研究成果如下:(1)对蛋白质关联图预测方法研究背景、研究现状、研究意义及相关概念进行了全面的综述。(2)对后基因组时代的生物信息学和蛋白质结构及其预测原理方法进行了综述,阐述了计算智能的相关理论,介绍了人工神经网络和人工免疫系统的基础理论,最后对计算智能在生物信息学中应用做了全面总结和归纳。(3)提出了基于偏置递归神经网络蛋白质关联图预测实现方法。(4)提出了基于暂态混沌神经网络蛋白质关联图预测研究方法。(5)提出了基于克隆选择算法的蛋白质联系图预测模型。本文的研究成果丰富了计算智能理论的应用研究,在递归神经网络、混沌神经网络、克隆选择算法等方面的研究具有一定的理论意义和应用价值,为蛋白质关联图预测研究提供了有意义的方法和手段。