蛋白质二级结构预测问题是生物信息学的重要问题之一。本文对蛋白质二级结构 预测问题进行了研究，建立了蛋白质二级结构预测数据库。研究了蛋白质的基本组成 成分氨基酸的编码方式。基于 BP 神经网络建立了单神经网路和多神经网络的预测模 型。并利用它们对蛋白质二级结构进行了预测研究。其主要研究内容和成果如下： (1)蛋白质二级结构评测数据库的建立 论文首先从同源蛋白质数据库(Homology Derived Secondary Structure of Proteins，简称 HSSP)中提取出 36 个蛋白质文件：针对其包含复杂的数据形式，设计 了一个提取数据的方法，对蛋白质数据进行预处理，提取出氨基酸序列。建立了由这 些氨基酸序列构成的数据库。为蛋白质二级结构预测打下了良好的基础。 (2)5 种氨基酸编码方式的比较研究 论文针对正交编码、5 位编码、Codorl(基本型)编码、Codorl(扩展型)编码及 Profile 编码等 5 常用的编码方法。利用 BP 神经网络，建立了蛋白质二级结构预测的评测模型。 运用该模型研究分析了这 5 种编码方式对蛋白质二级结构预测精度的影响。结果表明， 用富含“生物进化信息”的 Profile 编码方式可以得到较高的预测结果。 (3)基于多神经网络的蛋白质二级结构预测模型 论文提出了一个由 7 个 BP 神经网络组合成的多神经网络的蛋白质二级结构预测模 型，该模型采用“profile”编码方式和氨基酸间的“距离”为激励输入信息，对蛋白 质二级结构进行了预测。论文对从 36 个蛋白质提取的共 4000 个氨基酸的进行了预测研 究和分析。结果表明，本文的多神经网络优于 Zhu 等人提出的多神经预测模型[19]，它 把蛋白质二级结构预测的平均精度从 66．1 502％[19]提高到 68．8903％。 本课题得到了国家自然科学基金的支持。