G 蛋白偶联受体(G Protein-Coupled Receptor,GPCRs)是人体中发现的最大的蛋白质超家族,它们的功能是介导细胞对各种环境刺激的反应,参与众多生理过程,如何实现对GPCRs的精确分类是一个热点问题。本文提出了两种解决蛋白质序列分类问题的新方法。与以往的分类方法相比,本文提出的基于多序列比对(Multiple Sequence Alignment,MSA)特征提取方法的半朴素贝叶斯分类算法在分类精度上有了显著提高。该算法主要是将MSA和半朴素贝叶斯分类器进行结合,其中MSA起到了特征增强的作用,用于提取更有价值的序列特征,考虑到特征之间并不是相互独立的,使用半朴素贝叶斯算法来建模特征之间相互依赖的特性。由于MSA是一个比较耗时的过程,为了提高待分类序列特征提取效率,本文还介绍了另一种基于MSA和氨基酸替换矩阵的特征提取的方法,该方法同样在MSA结果中提取特征子串,与之前的方法不同之处在于提取待分类序列特征时不再需要将其加入到各个类别中进行MSA操作。该方法考虑到氨基酸位点在进化的过程中可能发生替换的特性,在筛选特征子串的过程中加入氨基酸替换矩阵来建模这个过程。最后将基于MSA和替换矩阵的方法所提取的特征与多种分类器进行结合,并在GPCRs数据集上进行实验,结果显示该方法不仅在效率上有了很大提高,并且提高了分类精确度,在GPCRs的四个分类级别上分别达到了 99.685%、99.215%、98.822%、97.291%的分类准确率。综上所述,本文实现了两种高效的GPCR分类方法。