蛋白质结构预测一直是近几年计算生物学领域的热门问题,我们可以通过了解蛋白质的相应结构,从而推断出其具有的功能并加以运用。不同功能的蛋白质可以与不同种类的化合物发生结合并构成结合蛋白质,这些化合物包括金属离子,核酸和磷酸等等。本文所研究的问题就是结合蛋白质中可以与金属离子结合的一类,即金属蛋白(metalloprotein)。超过1/3的蛋白质可以与金属离子结合以达到相应的结构和功能,因此确定蛋白序列中金属离子结合位点的位置对于理解蛋白质的生物功能有着十分重要的作用。传统使用生物实验的方法来测定结合位点位置的方式对于时间和经济的花费是非常巨大的,很难满足大规模的应用。因此采用计算方法来预测结合位点的信息有着很好的应用前景,可以对蛋白质结构的研究提供帮助。膜蛋白作为生物膜与外界进行物质交换的通道和载体,对于维持生物膜结构的稳定及实现生物膜的物质转运具有很重要的意义。通过预测膜蛋白序列上的金属离子结合位点,能够对膜蛋白结构—功能之间的关系有更深的理解。本文基于膜蛋白的序列信息对六种金属离子结合位点进行预测,包括~2,~2,,~2,以及~2。数据集包括PDB数据库中所有具有明确金属离子结合位点记录的膜蛋白序列信息,基于这些序列信息本文提出四类特征包括拓扑结构特征,进化保守性特征,协同进化性特征以及溶剂可及性特征,并将特征矩阵送入基于集成学习算法构成的分类器,进而预测金属离子与蛋白质的结合。与传统依靠滑动窗口反映氨基酸保守性从而预测序列上连续的结合位点的方法相比,本文的预测方法更关注结合位点在蛋白质空间结构上的连续性,由于蛋白质二级结构的存在,空间结构上连续的结合位点氨基酸在序列上很可能是离散的,因此这种观点更加符合生物学意义。在测试集上的实验结果表明,本文所阐述的预测方法具有较好的泛化能力,能够较准确地完成对膜蛋白离子结合位点的预测工作,同时相较于同样使用序列信息对金属离子结合位点进行预测的S-SITE拥有更好的预测效果。