从蛋白质序列出发预测它的结构和功能是计算生物学中具有挑战性的课题.尽管多年来的研究已经取得了很大进展,但是仍不能满足人们的要求,需要新思路,新方法突破瓶颈.在国家自然科学基金资助下,以发掘优秀的新变量为切入点,发展了一些新的预测方法,得到了一些成果.以结构位置特异得分矩阵(SPSSM)为变量的蛋白质二级结构预测.SPSSM由序列-结构比对产生,它的元素是二级结构Profile.构建了九百万序列的数据库储存SPSSMs.用9M-BLAST工具对将查询序列比对数据库,得到此序列的SPSSM.获得的SPSSM用来建立二级结构Profile与二级结构的关系.构建的SPSSMPred服务器预测结果远好于现有的预测器.自SPSSMPred发布以来已为15个国家的用户完成数千个预测任务.以骨架字符为变量的蛋白质三级结构预测。骨架字符(Backbone String)是蛋白质二级结构和骨架两面角的表达。用Hallmark Pattern预测骨架字符,并在蛋白质转角预测中取得了非常好的结构。以骨架字符为基础的结构比对，可以方便地找到目标序列的结构邻居，从而预测蛋白质三级结构。用实质性模序预测蛋白质亚细胞定位。亚细胞定位与蛋白质功能密切相关。用定位模序(Localization Motif)成功地发展了系列新方法，对多个体系预测亚细胞定位。最后用定位模序构建了实质性模序(Substantiality Motif)成功地建立了植物亚细胞定位的预测方法和网络服务器。