蛋白质表面特征是分析蛋白质结构和生物功能的重要工具。在蛋白质折叠过程中,疏水基倾向于埋藏在分子内部,通过研究蛋白质溶剂可及表面积可以获得更多蛋白质折叠和疏水性等信息。由于蛋白质溶剂可及表面积或大或小,简单地通过其数值的大小不能准确衡量其物理性质,所以将溶剂可及表面积转化为溶剂可及性进一步分析蛋白质的结构和性质。根据理论建模预测蛋白质溶剂可及性,可以减少实验的成本投入和提高蛋白质溶剂可及性的计算效率。为了进一步研究以序列为基础的蛋白质溶剂可及性,本文提出了一种新的编码方式——全原子编码。 基于支持向量机（support vector machine, SVM）方法,本文采用氨基酸序列编码,氨基酸描述符以及全原子编码3种方式分别对蛋白质的溶剂可及性进行预测。对于常用数据集RS126,本文基于氨基酸序列编码模型的平均绝对误差和相关系数分别为18.9%、0.527；基于氨基酸描述符编码模型的平均绝对误差和相关系数分别为19.2%、0.508；而全原子编码模型的平均绝对误差和相关系数分别为18.7%、0.528,可见全原子编码优于其它两种编码方式,具有一定的推广性。 本文的创新点在于对20种氨基酸的原子结构式进行统计,总结出20种氨基酸由215种原子构成,对这215种原子进行二进制编码,得到全原子编码方式,并将它应用于蛋白质溶剂可及性的预测中。目前通过实验得到的蛋白质序列信息远远多于结构信息,所以利用对已知的有限蛋白质结构信息进行全原子编码,荻得结构与溶剂可及性的依赖关系,进而建立了对未知结构的蛋白质残基的溶剂可及性的计算模型。全原子编码构建的模型,具有更直观,更便于解释每个原子对溶剂可及性的贡献的性质。