蛋白质是构成生物体的重要物质基础，生命现象主要是通过蛋白质的结构和功能来实现的。掌握蛋白质的各种属性对于理解蛋白质功能，了解生物体内各种生化反应、基因表达，以及具有针对性地进行药物开发等方面有着非常重要的意义。　　 随着人类基因组计划的开展，到目前为止，美国最新公布的GenBank数据库版本中DNA序列的总量已经超过1265亿个碱基对。与其同步增长的还有已知蛋白质序列的数量，生命科学已经实质性地进入了后基因时代。　　 基于传统的生化实验来确定蛋白质的属性，复杂性高，实验周期长，效率低，不能满足后基因时代蛋白质序列海量呈现的迫切需求。因此，研发有效的算法，从序列来直接预测蛋白质属性就成了一件重要的工作。如何提取蛋白质特征则是其中最重要的方面之一。已有的研究表明，单视角特征不能反映一条蛋白质的所有信息，融合多视角特征是提高预测精度的一种有效途径。本文中，我们提出了一种新的并行框架，用于蛋白质多视角特征融合:首先，从不同视角获得的特征并行融合为一个复杂的特征向量;然后，我们使用广义主成分分析(GPCA)方法，用于从位于复空间中的融合特征中进一步提取蛋白质特征;最后，使用提取出的特征进行蛋白质属性预测。基于不同基准数据集的实验结果验证了该方法在蛋白质属性预测中的有效性。