无序蛋白质是蛋白质家族中的一类新成员,其灵活、可变的结构状态为它们执行多种生物功能提供了优势。对无序蛋白质结构及其相关领域的研究有助于揭示蛋白质结构折叠基础,理解蛋白质结构和功能之间的相关性。无序蛋白质结构预测研究不但有助于扩增研究样本数量,而且在建模过程中还能检验相应特征信息的有效性,进而更好地理解蛋白质的无序结构本质。鉴于无序蛋白质的重要性,无序蛋白质结构预测研究成为当前研究热点之一。本文具体研究内容如下:(1)基于氨基酸序列信息的特征选择与提取。为了更完整的表达氨基酸序列信息,本文构建两种新的特征向量——基于序列信息的无序蛋白质结构表征和基于空间矩阵的无序蛋白质结构表征。为了检验两种特征向量的预测性能,针对这两种特征向量,利用支持向量机和卷积神经网络,分别构建无序蛋白质结构预测模型。预测结果表明,基于两种新的特征向量构建的无序蛋白质结构预测模型都取得了较好的预测效果,说明本文提出的特征向量构建方法是有效的。(2)基于集成方式的无序蛋白质结构预测建模。本文首先分析现有基于集成方式的无序蛋白质结构预测方法的优势,提出一种新的基于集成的无序蛋白质结构预测模型。这个新的集成模型集成三组子预测模型,包括基于氨基酸组成成分的无序蛋白质结构预测模型,基于序列信息的无序蛋白质结构预测模型和基于空间矩阵的无序蛋白质结构预测模型,然后利用差异度度量法,度量子预测模型间的差异度,最后,选择具有较大差异度的子预测模型进行集成。预测结果表明,新的无序蛋白质结构预测集成模型能够提高无序蛋白质结构预测精度。