近些年来,随着现代生物科学和计算机技术的快速发展,蛋白质序列数据增长迅猛。根据序列预测蛋白质的功能,是生物信息学的研究热点。压缩感知算法自提出得到快速发展,已经成功应用于图像处理、模式识别等众多领域,取得了很好的分类效果。本文针对蛋白质数据具有样本小、维度高的稀疏特性,基于压缩感知算法实现对蛋白质功能的分类预测。应用压缩感知算法建立分类模型能够避免复杂的特征提取过程。本文采取不同的分类方法将数据样本分为训练集和测试集,根据训练集样本构造冗余字典,随机分布高斯矩阵构造观测矩阵,然后利用l2范数最优化重建信号,最后根据测试样本的稀疏表示判别样本所属类别,实现蛋白质的分类预测,主要内容如下：1、建立了凋亡蛋白亚细胞位点预测模型。基于压缩感知算法,将蛋白质序列的结构及物理化学性质输入分类器,实现凋亡蛋白亚细胞位点的分类预测。选取在2个常用凋亡蛋白数据集ZD98和ZW225进行Jackknife测试,预测准确率分别为90.6%和87.3%。实验结果表明压缩感知算法对凋亡蛋白的亚细胞定位研究效果良好。2、建立了蛋白质质谱数据分类预测模型。该方法选取卵巢癌公共数据集Ovarian04-03-02用于预测分类,对数据集进行5-折交叉验证,总体预测准确率达到99.38%。实验结果表明,压缩感知算法应用在蛋白质质谱数据的分类有良好的分类性能和鲁棒性,具有临床应用价值。