蛋白质是生命的物质基础,同时也是生命活动的主要承担者。近年来,随着数据库中蛋白质序列越来越多,而常规的生物物理技术极其繁琐,昂贵且容易出错。基于生物信息学技术研究蛋白质功能或结构分类越来越迫切。通过引入“改进的混合多标签分类器”和“近邻得分”,开发了一种新的预测器,称为MF-EFP,可用于处理同时包含单功能和多功能酶的分类。为了验证所设计的预测器性能,在构建的新多功能酶的基准数据集上使用了MF-EFP进行五折交叉验证,该数据集含有以下7个功能类别:氧化还原酶(EC1),转移酶(EC2),水解酶(EC3),裂解酶(EC4),异构酶(EC5),连接酶(EC6),易位酶(EC7),其中所含的酶都具有≤90%的冗余度。实验表明,MF-EFP的性能优于现有的预测器。作为用户友好的Web服务器,MF-EFP预测网站http://www.jci-bioinfo.cn/MF-EFP免费向公众提供。通过引入基于Re LU激活函数的多标签神经网络算法,设计了膜蛋白功能多标签预测器。为满足多标签数据集的需求,该算法将单标签学习中常用的损失函数(如交叉熵)替换成多标签交叉熵损失函数。为了验证所设计的预测器性能,在现有的膜蛋白的基准数据集上使用了多标签算法进行五折交叉验证,该数据集含有以下8种主要类型:(1)第一类跨膜蛋白,(2)第二类跨膜蛋白,(3)第三类跨膜蛋白,(4)第四类跨膜蛋白,(5)多通道跨膜蛋白,(6)脂链锚定膜蛋白,(7)GPI锚定膜蛋白和(8)外周膜蛋白,其中所含的膜蛋白都具有≤75%的冗余度。经过实验验证,存在比现有预测器预测效果好的方法。