蛋白质结构研究意义重大,分析蛋白质结构、功能及其关系是后基因组计划中的一个重要组成部分。然而用传统的实验测定方法复杂而费时,因此理论分析法预测蛋白质结构已越来越被看重。由于直接预测蛋白质结构难度比较大,相对简单的蛋白质二级结构预测就成了从蛋白质一级序列预测其空间结构的桥梁。蛋白质结构预测方法及其所用的编码方法都是影响预测准确率的重要因素,本文主要研究编码方法对蛋白质二级结构预测的影响,并提出了一种针对单序列蛋白质二级结构预测问题的综合编码方法。首先,本文介绍了二级结构预测的研究背景及意义,并介绍了一些相关的基础背景知识,比如生物信息学方面的知识、蛋白质的分子组成和结构分类、蛋白质结构预测特别是二级结构预测的常用方法以及其对预测结果的评价方法等。紧接着,本文介绍了支持向量机方法。因为蛋白质二级结构预测实际上是一个模式识别问题,支持向量机方法在解决小样本、非线性及高维模式识别中表现出许多特有的优势,因此本文使用该方法预测二级结构。而后文章研究了支持向量机在高维模式识别问题中的应用,以其在个人信用评估中的应用作为研究实例并取得了较好的预测结果。最后,对目前的几种氨基酸编码方式进行了比较研究并分析其各自的特点和缺陷。针对单序列非同源或低同源蛋白质二级结构预测问题,提出了一种新的综合编码方法。该编码是根据氨基酸出现在每种二级结构中的倾向因子以及氨基酸的疏水性值进行分类,并以二进制形式来表示每类氨基酸。而后将新的编码方法和其他编码方法在相同的实验条件下进行训练建模预测,实验结果表明新的编码方法更加充分利用了蛋白质一级结构信息,比较适合非同源或低同源蛋白质结构预测。