在生命体中蛋白质是组成一切细胞和组织的重要成分,是生命活动的承担者。已有生物学家证明了蛋白质结构和功能的统一性,即生物功能相似的蛋白质在结构上也是相似的,并且蛋白质的生物功能最终由其三维空间结构决定。因此,研究蛋白质三维结构的相似性对于发掘蛋白质生物功能以及理解生命体发展规律均有重要意义。现有的相关研究主要是基于传统计算的方法来比较蛋白质三维结构,但大多数方法往往容易忽略一些有实际生物意义的特征量,并且没有考虑数据的冗余性,导致计算的相似性不够准确,在计算上也比较耗时,难以满足对未知蛋白质日益增长的研究需求。因此本文在前人研究的工作基础上,将从以下两个方面进行研究:(1)自适应的局部特征频率向量(ALFF)。ALFF是本文提出的一种使用局部特征发生的频率来表示蛋白质的方法,首先可以通过蛋白质C_?原子骨架来计算C_?距离矩阵,用C_?距离矩阵划分出的部分具有代表性的子矩阵表示蛋白质的局部特征,子矩阵的大小m使用OTSU算法根据数据集的特点确定最合适的值,划分出所有可能的子矩阵之后使用Mean Shift算法对所有的子矩阵聚类,得到的k个聚类中心点就是所求的蛋白质局部特征。按照此方法,每个蛋白质都可以统计出其子矩阵在这k个簇中发生的频数,从而得到该蛋白质的ALFF,再利用余弦相似度求出两个蛋白质的ALFF的相似性,进而得到蛋白质的相似性。最后实验结果表明,ALFF和SCOPe数据库的蛋白质结构相似性分析在class、fold、superfamily、family分类下具有较高的一致性,相比LFF提升了0.7%、2.3%、2.8%、3.5%的正确率。ALFF总体上和TM-SCORE保持比较好的一致性,但在蛋白质进化关系方面,ALFF能计算出进化关系相差比较远的蛋白质之间的相似性,提升了模型的泛化能力。(2)基于卷积神经网络方法分析蛋白质三维结构。Protein Net是本文提出分类蛋白质三维结构的卷积神经网络模型,它可以从输入的蛋白质C_?距离矩阵中提取出局部特征,根据局部特征向量计算蛋白质三维结构相似性。首先将表示蛋白质三维骨架结构的C_?距离矩阵统一标准化成150×150的矩阵表示,接着把这些距离矩阵当成一幅幅“图像”输入到Protein Net中训练,模型训练完成之后,在网络模型中提取输出层的前一层得到一个1024维特征向量,根据特征向量使用余弦相似性公式计算出蛋白质的相似性。最后,实验结果表明,Protein Net可以很好地对不同家族的蛋白质分类,在家族层面的蛋白质三维结构相似性比较上,准确率远高于其他方法。