随着新发现的蛋白质一级结构数量不断增长，未知蛋白质二级结构的数量与已知蛋白质一级结构数量之间的差距不断被拉大，这就迫切需要利用自动化方法来预测蛋白质二级结构。利用人工神经网络从蛋白质一级结构预测蛋白质二级结构便是一种高效的自动化方法，但这种方法预测的结果并不理想。为了提高蛋白质二级结构自动化方法预测的精度，不仅需要理想的预测引擎，而且需要高效的蛋白质一级结构序列编码算法，从一级结构序列中提取更多与二级结构相关的生物进化信息。　　论文首先叙述了蛋白质二级结构预测的研究现状和研究意义，并指出现有蛋白质氨基酸线性序列编码算法存在的问题。然后根据最大限度从蛋白质一级结构氨基酸序列中获取与蛋白质二级结构相关生物进化信息的思想，对现有的Profile氨基酸编码方式进行改进。最后在对Profile编码预测结果进行分析的基础上，设计了一种可以从一级氨基酸序列中获取更多二级结构生物进化信息的算法来提高二级结构预测的准确性，并依据改进算法进行了代码实现。　　论文实验部分首先利用两种常用的蛋白质氨基酸线性序列编码算法（正交编码和Profile编码）结合具有解决非线性映射功能的BP神经网络对蛋白质二级结构进行预测，然后在原有的Profile编码算法基础上加入氨基酸之间的长程作用信息，提出改进的Profile编码算法，并利用BP神经网络作为预测引擎对改进后的编码算法进行验证，最终的实验结果表明改进后的Profile编码算法在预测准确率上要比常用的编码方式提高3％左右。