蛋白质是生命活动的主要承担者，结构的多样性决定了其功能的多样性。精确地预测蛋白质的空间结构对生物制药和疾病研究都有重要的意义。利用计算机手段预测蛋白质的空间结构，关键在于采样方法的效果和能量函数的准确性。能量函数主要用于对构象进行评判，但由于蛋白质进化过程的多样性和复杂性，很难设计出一种完全精确的能量函数。因而能量函数的研究一直是计算生物学中的一个难点。本文首先基于统计信息的基础上设计了一种结合进化约束的势能函数。Sali loops库中的24个案例被选作测试集。针对每个案例，本文利用Rosetta平台为其生成decoys并对这些结构排名，结果证明本文设计的势能函数可以有效地挑选出近天然构象（RMSD <2.0A）。此外，本文还利用皮尔森相关系数来度量能量与RMSD之间的相关程度，结果同样给出了积极的反馈。综上所述，与Rosetta的能量函数相比，本文设计的势能函数有更为明显的区分度和更低的设计成本。在随后的实验中，本文将设计的势能函数应用到Rosetta平台的蛋白质loop建模中，用以指导采样；同时，利用共享pose的机制将原先的采样方法并行化。实验结果证明势能函数和并行机制能够有效地优化loop建模，获得更加精确的构象。