认识蛋白质与蛋白质之间的相互作用以及了解蛋白质如何行使其生物功能,无论是对于生物学还是对于医药学都是非常重要的,而这些都需要知道蛋白质的三维结构,因此预测蛋白质的三维结构势在必行。然而,要想从一级序列直接预测蛋白质空间结构几乎不可能。已有大量研究表明,已知了序列的二级结构特征,预测蛋白质的三级结构将变得可行,因此,蛋白质二级结构预测是蛋白质结构预测的第一步。本文首先研究了如何构建一个能够更加准确预测蛋白质二级结构的模型,内容包括特征提取算法和分类算法的设计,接着本文将蛋白质二级结构信息特征应用于细菌毒蛋白预测领域,研究工作的主要内容和创新点归纳如下:(1)本文提出了一种新的特征提取算法来提高二级结构预测准确率。该方法将位置特异性打分矩阵和二面角相结合,用一个22*w(w为窗口长度)维的数值特征向量表征滑动窗口中心的氨基酸残基,再将该特征向量输入到一个双层叠加的神经网络分类模型。我们将本文提出的方法在CB513和RS126数据集上分别做了交叉验证实验,同时将交叉验证的结果和9个现有的方法做了比较,并在数据集CASP9上做了独立测试,同时将该独立测试结果和10个在线预测服务器上的得到的预测结果进行了比较。(2)由于细菌毒蛋白可以成为药物靶标或疫苗候选,因此毒蛋白的预测对新药物的设计和疫苗的研制有很重要的作用。本文提出的方法首次将基于二级结构信息的特征应用到细菌毒蛋白预测上来,分别用蛋白质序列特征(二肽,伪氨基酸组成)、蛋白质序列进化信息特征(位置特异性打分矩阵)和蛋白质二级结构特征来训练基分类器(本文用到的分类器都是支持向量机SVM),再将它们的输出决策值输入到第二层判别分类器,获得最终的预测结果。在三个标准数据集上的实验结果表明,本文提出的方法能够较好地预测细菌毒蛋白。