在目前的基因组数据中,大约有20%-30%的基因产物被预测为跨膜蛋白。跨膜蛋白是细胞内一类非常重要的蛋白质。它是生物膜膜功能的主要执行者,肩负着细胞间的能量转换、物质运输、信息传递等众多重要功能。跨膜蛋白拓扑结构的研究对于揭示跨膜蛋白的作用原理与跨膜机制有着非常重要的意义。限于当前的技术水平与条件限制,实验方法测定跨膜蛋白的拓扑结构明显不能与快速增长的跨膜蛋白序列信息相适应。因此,鉴于跨膜蛋白的重要性与特殊性,运用计算的方法预测跨膜蛋白的拓扑结构,成为了生物信息学中的一个研究热点。目前,大多数跨膜蛋白拓扑结构预测方法或者是基于氨基酸的疏水性、“正电荷居内”规则等物理、化学性质,或者是采用统计分析、机器学习等理论方法。但是这些预测方法大都局限于对跨膜蛋白某一个或某几个显著特征的利用,不能全面的、综合的利用各种潜在的有用信息,其预测能力还有进一步提升的空间。并且,对蛋白质高级结构的探索也要求我们提供更加准确、有效的拓扑结构预测算法。因此,本文基于多源信息融合的思想,将证据理论应用于跨膜蛋白拓扑结构预测中,构建了一个综合的跨膜蛋白拓扑结构组合预测平台,从氨基酸残基、跨膜区域、拓扑结构三个层面证明了提出方法的有效性,为跨膜蛋白结构的研究提供了新的思路和有力工具。另外,在构建基于证据理论的跨膜蛋白拓扑结构组合预测平台的过程中,首要问题是基本概率指派的构建问题,这是证据理论应用中最为关键、最难处理的一步。为此,本文在总结前人已有研究的基础上,提出了一种基于混淆矩阵的新的基本概率指派构建方案。该方案充分利用了包含在混淆矩阵中的各类信息,在基本概率指派的构建过程中充分体现了分类器对各类别识别能力的差异,对证据理论本身也具有参考意义。