蛋白质组学研究是后基因时代生物信息学中最重大的研究课题之一,蛋白质结构预测是蛋白质组学富有挑战性的问题之一。本文在介绍了现有蛋白质二级结构预测方法之后,用目前最具前景的人工神经网络技术,采用局部逼近网络—径向基函数网络来预测蛋白质二级结构。径向基函数网络确定中心的算法中常用的K-均值、K-最近邻等聚类算法需要人为地确定中心个数,即事先指定聚类的类别数,而中心个数又对网络性能有着重大影响,因此提出了用遗传算法寻优径向基函数网络的中心。遗传算法通过进行全局搜索,挑选网络的中心向量,摒弃冗余节点,大大减少了网络隐层节点个数,也就是径向基函数网络的中心的个数,增加了网络的泛化能力。由于网络的中心、宽度以及结构参数和权值都对网络有影响,因此提出了用自适应遗传算法同时优化径向基函数网络的中心、宽度和结构参数。简单遗传算法并不能保证以概率1收敛到最优解,且人为主观地确定交叉概率和变异概率,因此在自适应遗传算法的基础上提出了改进的自适应遗传算法,有效地克服了简单遗传算法在给定交叉概率和变异概率时的主观性和不确定性,并且加速算法收敛,防止早熟。蛋白质序列的编码采用富含生物进化信息的profile编码方法,在输入过程中采用滑动窗口技术,对同源蛋白质序列的二级结构进行预测。文章将改进的自适应遗传算法用于径向基函数网络的优化,用优化的网络来预测蛋白质序列的二级结构,取得了良好的效果。