随着生物学技术的发展以及基因组学和蛋白质组学研究的深入,蛋白质序列数据的数量急速增长。在过去的几十年,蛋白质结构的实验确定技术虽然取得了巨大的进展,但它仍然难以跟上序列信息爆炸式增长的步伐。不过,正如Anfinsen所发现的,蛋白质在其氨基酸序列中包含了用来确定其天然构象的足够信息。因此,发展一种有效的理论计算方法及时地解码蛋白质序列并挖掘隐藏于其中的有用信息已成为生物信息学领域的一个重要研究内容。本文借助氨基酸的两种重要理化性质,将一条蛋白质序列转化为三字母序列,进而给出了没有环和多重边的简单图表示,并提出了几何直线邻接矩阵和直线邻接指标概念。在此基础上,结合序相关因子提出了蛋白质序列的一种广义伪氨基酸组成(Generalized PseAAC)模型来表示蛋白质序列。利用所提出的蛋白质序列的这一数学描述子,对17个物种的β-球蛋白和72个冠状病毒刺突蛋白分别进行了序列相似性比较,并在新冠状病毒疫情下,对进入二十一世纪以来大规模爆发的三种冠状病毒之间的关系进行了初步分析。同时,我们提出了一种基于广义PseAAC的支持向量机模型进行DNA结合蛋白识别。在相同数据集上的实验结果表明,我们的方法明显优于原有方法DNAbinder、DNA-Prot、iDNA-Prot和enDNA-Prot。我们的方法较上述4个方法在ACC方面提高了3.29%-10.44%,MCC提高了0.056-0.206,F1M提高了1.45%-15.76%。而对于通过增加负样本扩展后的基准数据集,我们所提出的方法较上述4种方法在ACC方面提高了2.49%-19.12%,在MCC方面提高了0.05-0.32,在F1M方面提高了3.82%-33.85%。这些结果表明,我们提出的广义PseAAC模型对于蛋白质序列的比较与分析是非常有效的,对于DNA结合蛋白识别也是极具竞争力的。