随着人类基因组计划(Human Genome Project, HGP)的实施,核酸、蛋白质的序列和结构数据呈指数增长,生命科学已实质性地步入到后基因组时代。序列信息不断累积的同时,大量参与重要生命活动的蛋白质功能却仍然未知。蛋白质序列数据和功能信息之间的差距,使得在全蛋白质组范围内确定蛋白质的功能成为后基因时代生物学研究的主要任务之一。随着序列信息的急剧增加,人们开始将更多的注意力放在如何从序列预测蛋白质功能的问题上。论文主要研究基于序列特征的蛋白质功能类预测,主要工作包括：在对蛋白质序列的表征方法和分类方法进行较为详细的综述之后，提出了一种氨基酸序列的全局编码(Global Encoding, GE)方法来表征蛋白质序列,并采用最近邻分类算法预测蛋白质的功能类。通过对酵母蛋白质的1818条序列进行功能分类预测,验证了这种方法的有效性。特别是当蛋白质相互作用信息有限,仅采用序列信息的情况下,它能有效地提取蛋白质序列中蕴含的功能信息,达到蛋白质功能类预测的目的。另外,还根据蛋白质的组成、物化属性、序列局部信息,以及氨基酸的位置信息提出了一种新的蛋白质序列表征方法-加权分段伪氨基酸组成位置向量(W-SPsAA-MV)。该向量的维度比氨基酸序列全局编码的维度要低,并且通过最近邻分类算法得到的预测结果也有所改进。针对蛋白质的功能类别可能有一种或多种的情况,采用协方差判别式分类器对其进行了预测评估,实验结果表明,该分类器能较好的应用于蛋白质的功能类预测。