【目的】pH值是影响酶催化效率的关键参数，通常需要通过实验方式才能确定生物酶的最适 pH 值，而该方式要消耗较多的人力、物力和时间。因此，有必要发展一种利用酶的简单结构信息即可预测其最适 pH 值的方法。【方法】以20-1前馈反向传播的神经网络为模型，完成535种氨基酸属性对α-淀粉酶 pH 值的拟合。同时，将α-淀粉酶 Amy7C及其54个突变体的数据分为2组，用35个酶作为训练组进行拟合，20个酶作为验证组进行检验，并对不同层次及神经元个数的模型进行比较。【结果】109个氨基酸属性可实现20-1神经网络模型收敛，表明这些氨基酸属性可用于预测α-淀粉酶的最适 pH值，但是不同氨基酸属性预测 pH 值的效果差别较大，只有部分指标预测 pH值的效果较好。多模型的分析结果显示，不同模型对训练组R值的结果具有显著性差异，而对训练组P值、验证组R值和验证组P 值结果无显著性差异。【结论】氨基酸分布概率等属性可用于预测α-淀粉酶的最适 pH值。20-1神经网络模型是预测α-淀粉酶最适 pH值相对理想的模型。