蛋白质是生命体中分布最广、功能最复杂的生物大分子,在生命活动中发挥着极其重要的作用,蛋白质的三维结构决定了其功能和活性。许多疾病的发生都跟蛋白质折叠错误相关,研究这些蛋白质的结构有助于找到这些疾病的起因,掌握治愈这些疾病的方法。随着基因测序技术的发展,越来越多的蛋白质序列被解析出来。但是传统的实验方法来测定蛋白质结构费时费力,面对急剧增长的序列,实验测定蛋白质结构显然无法满足要求。在计算生物学和生物信息学领域,根据Anfinsen准则,蛋白质折叠的所有信息都包含在其一维序列中,因而从一维的氨基酸序列出发,预测蛋白质三维结构成为当下研究的热点。在蛋白质结构从头预测中,构象空间搜索算法是提高蛋白质结构预测精度的重要手段之一,本文研究构象空间的搜索算法,主要工作如下:(1)针对蛋白质结构从头预测方法,本文在进化算法框架下,提出了基于接触图的构象空间搜索算法。为了评估构象结构的质量,首先设计了残基接触打分模型;在变异阶段,使用片段库对种群的个体进行片段组装,加强对低能量构象的搜索;在选择阶段,使用残基接触得分指导个体选择,保留种群中质量较优的构象进入下一代。测试蛋白的实验结果表明,所提方法能够有效地减少对能量陷阱区域的搜索,加强对近天然态构象区域的采样,提高蛋白质结构预测精度。(2)为了提取采样过程信息辅助构象搜索,提高采样效率及蛋白质结构预测精度,本文进一步提出了一种接触图辅助的过程重采样蛋白质构象空间搜索算法。在进化算法框架下,根据残基接触打分模型选择质量较优的构象构建过程片段库;进而,在变异阶段,从原片段库和过程片段库中选取片段对构象进行片段组装;其次,设计接触图辅助的过程重采样策略,加强对低能量及低残基接触分数的构象搜索。在基本测试蛋白及CASP12、CASP13部分蛋白上的实验结果验证了算法的有效性。