蛋白质家族识别与分类预测是“后基因组时代”重要任务之一。细胞因子是一类由免疫细胞和其它相关细胞产生的能够调节细胞功能的高活性多功能的低分子量蛋白质。它在人类许多重要生理活动中扮演着重要的角色。对细胞因子家族特别是未知其功能的细胞因子进行识别和分类预测,不仅有助于直接阐明生命体在生理或病理条件下的变化机制,而且对生物制药、疾病治疗等应用领域具有直接的指导作用,因而具有重要的研究意义。然而,面对日渐增长的蛋白质序列数据,寻找一种快速而准确的计算方法来预测蛋白质家族并确定其功能,一直以来是生物信息学研究亟待解决的难点和关键问题之一。本文在深入分析现有蛋白质功能预测方法的理论基础上,以机器学习理论中的支持向量机方法为基本工具,探讨了氨基酸和二肽混合组成、二肽组成和长度、伪氨基酸组成等多种特征提取方法,并在此基础上开发了细胞因子家族识别与分类预测软件CytoKey。对比测试结果表明,CytoKey识别和分类细胞因子的精度较以前方法有显著的提高,尤其是二肽组成和长度特征方法,优于国际上最新发布的细胞因子预测软件CTKPred。目前,CytoKey已提供了web服务(http://med-computing.com)。