随着测序技术的不断成熟,人类已经获取了海量的蛋白质序列数据,但其对应的结构和功能信息仍难以获取。从已知结构的蛋白质数据库中预测蛋白质序列的远同源关系,是解析蛋白质结构和功能的重要环节。然而,因远同源蛋白质序列相似性普遍低于30%,导致现有的方法在此问题上难以获取准确的预测结果。因此,如何提高蛋白质序列搜索方法在远同源性检测问题上的预测性能,是一个具有挑战性的科研任务。本文以序列搜索基方法存在的非同源噪音和远同源蛋白质搜索能力不足这两个问题为切入点,将构建和融合多样性的序列相似性特征作为提高方法性能的主要途径,提出了多个面向远同源性检测的蛋白质序列搜索方法。本文主要研究内容包括以下四个方面。首先,针对序列谱中非同源噪音问题对远同源性检测性能的不良影响,提出了一种可以解决非同源噪音问题的有监督迭代搜索框架SMI-search（Supervised-Manner-based Iterative framework）。该研究首先对非同源噪音的形成原因进行分析,提出了造成非同源噪音的非正确选中错误;然后,为了解决非正确选中错误,基于有监督的排序学习技术和特征相似性构建了非正确选中错误纠正模块和搜索结果优化模块;最后,将这两个模块嵌入到迭代比对框架中,提出有监督的迭代搜索框架。从基准数据集上的实验结果可知,有监督迭代搜索框架明显地提高了基方法在远同源性检测问题上的性能。表明有监督迭代搜索框架有效地解决了非同源噪音对搜索性能的影响,并具有良好的通用性。其次,针对序列比对方法对远同源蛋白质搜索能力不足的问题,提出了使用谱链接相似性代替比对相似性的远同源蛋白质序列搜索方法PL-search（Profile-link-based search method）。该搜索方法首先根据迭代比对方法的不对称性质提出了双向链接策略,从而降低序列谱中非同源噪音对谱链接质量的影响;其次,为了加强对远同源蛋白质的捕获能力,提出了迭代扩展策略;最后,基于序列谱比对思想,提出了基于双层杰西卡距离的谱连接相似性计算方法。从基准数据集上的实验结果可知,谱链接相似性搜索方法有效地提高了基方法搜索结果中的远同源蛋白质数量,并且具有更优的排序质量。表明谱链接相似性搜索方法可以有效地代替序列比对方法,提高对远同源蛋白质的搜索能力。再次,针对蛋白质序列搜索方法搜索到较多远同源蛋白质后,难以提高其排序质量的问题,在前两个方面的研究基础上,提出使用过滤和重排策略来进一步提高排序质量的双层搜索框架S2L-search（A supervised two-layer search framework）。该双层搜索框架基于不同类型序列相似性特征在远同源性检测问题上的优势,构建出过滤策略和重排策略来提高谱链接相似性搜索结果的排序质量。在过滤策略中,将有监督迭代框架和双向链接策略构建为两个过滤器,依次对高相似性搜索结果进行非同源过滤后,作为第一层搜索结果。在重排策略中,使用排序学习算法对比对相似性、特征相似性和谱链接相似性进行融合后,提高了低相似性搜索结果的排序质量,并将其作为第二层搜索结果。从基准数据集上的实验结果可知,双层搜索框架明显地提高了搜索结果的排序质量。表明双层搜索框架在有效地融合不同相似性特征之间互补性的基础上,明显增强了对远同源蛋白质的判别能力。最后,针对当前蛋白质序列搜索方法缺乏对蛋白质层级关系考虑的问题,在前三个方面的研究基础上,提出了基于蛋白质层级关系的远同源蛋白质序列搜索方法HSP-search（Hierarchical structure prediction-based search framework）。该方法首先对隐马尔可夫谱的局部到全局特征进行远同源特征提取,得到一个面向超家族层级的多分类模型。然后,基于该超家族多分类模型和蛋白质层级关系,构建出类层、折叠层和超家族层的预测特征。之后,使用多种相似性度量公式计算得到基于蛋白质层级关系的相似性特征。最后,基于该层级相似性特征对双层搜索框架中的过滤策略和重排策略进行改进。从基准数据集上的实验结果可知,HSP-search方法在基方法上取得了最优的远同源性检测性能。表明基于蛋白质层级关系的序列相似性特征可以进一步提高双层搜索框架对非同源蛋白质的判别能力,从而提高远同源性检测的性能。此外,HSP-search方法解决了双层搜索框架对SMI-search方法的依赖性问题,表现出更强的通用性。