从蛋白质的氨基酸序列预测蛋白质三维结构是当前生物信息学领域中的一个非常具有挑战性的问题。而蛋白质侧链预测是蛋白质结构预测以及蛋白质设计中非常重要的子问题。　　 本文提出一种基于隐马尔科夫模型的蛋白质侧链建模技术,构建了侧链的基于序列和基于序列骨架的两个模型。基于序列的侧链模型以氨基酸串作为主要的观测数据；而基于序列骨架的侧链模型则再增加骨架扭转角作为主要观测数据,建立观测数据到侧链构象的对应关系。通过精心选择的训练集,对上述两个模型进行训练。训练完成后的两个模型就可以通过采样产生针对某个氨基酸串的侧链旋转异构体库。与流行的建模方法比较,经采样得到的旋转异构体库更加接近于天然构象。　　 根据本文提出的两个模型分别产生的旋转异构体库,我们分别将其应用到流行的侧链预测系统中,并与现有两种蛋白质侧链预测领域的权威方法进行了多角度的比较。与基于传统的骨架相关旋转异构体库的侧链预测结果相比,在预测精度上有了一定的提高。　　 综合实验表明,基于序列相关和序列骨架相关的两个模型,可以很充分地把序列氨基酸对特定氨基酸的侧链构象的影响进行挖掘,分别生成序列相关旋转异构体库和序列骨架相关的旋转异构体库,从而为蛋白质侧链预测提供良好的支持。