目前，生物学领域中存在大量的蛋白质序列数据，而与之对应的蛋白质结构信息却相对较少，而且以往通过实验方法来确定蛋白质结构的过程十分复杂，代价较高，人们开始希望利用已有的蛋白质结构信息，来发现蛋白质序列和蛋白质结构之间的某种对应关系，从而实现蛋白质结构的预测。近年来在各个领域应用广泛的数据挖掘技术，其中的关联规则分析正好可以发现数据之间隐藏的关联规则集，因此，一种基于关联规则分析的蛋白质结构预测方法开始逐渐流行。　　本论文的研究内容就是使用数据挖掘技术中的关联规则分析来发现蛋白质数据库中隐藏的关联规则集，从而建立蛋白质结构的预测模型，由于需要发现的规则的右部是确定的，所以涉及到的数据集与以往的事务数据库不同，如果用传统的关联规则分析方法，比如Apriori，就会产生很多没有任何意义的规则，另外考虑到搜索空间很大，本文结合了遗传算法，很好的解决了上述两个问题，而且在设计遗传算法时，改进了以往的轮盘赌选择方法，采用了一种基于适应值等间距分组的轮盘赌选择方法，保证了进化初期种群的多样性；另外改进了交叉、变异算子的设计方式，主要是通过与线性型自适应调整交叉率和变异率的策略作比较，提出了一种余弦型的自适应调整策略，改正了线性变换调整的缺陷，最后通过实验证明了该方法对于预测蛋白质结构是可行的，并对蛋白质结构预测做了总结和展望。