随着基因组计划的实施，特别是人类基因组计划的完成，核酸序列和氨基酸序列飞速增长，生物信息学成为后基因组特别是蛋白质组研究中最重要的手段。膜蛋白由于其在细胞膜上所具有的重要功能以及潜在的药用价值，成为目前蛋白质组研究的热点之一。由于膜蛋白特别是内在膜蛋白难以结晶和提纯以及实验手段所限，目前从实验上仅获得少数膜蛋白的高分辨率三维结构。不断增长的氨基酸序列与有限的膜蛋白三维结构数目间的巨大差距对从理论上预测跨膜蛋白二级结构提出了很迫切的要求。 本文回顾了膜蛋白二级结构预测的进展与现状，介绍了目前较为成熟的膜蛋白二级结构预测方法，并将这些预测的方法分为5大类。我们从氨基酸，跨膜区以及蛋白质序列三个层次上提出了完整的膜蛋白二级结构预测评价指标体系，并对目前较为成熟且提供在线服务的方法做了详尽的评价和分析。结果表明，基于全局考虑的预测方法比局部预测方法具有更好的预测效果。 在此基础之上，本文根据膜蛋白的生物结构特征，应用隐马尔可夫模型对膜蛋白二级结构进行预测。具体的实现过程包括：(1)对膜蛋白的二级结构建模；(2)模型参数初始化；(3)训练隐马尔可夫模型；(4)用训练后的模型预测膜蛋白的跨膜区。根据预测的实际效果，通过仔细分析，在原算法基础上提出了改进的隐马尔可夫模型，有效地提高了预测的准确度。 最后本文提出并实现了一个“智能”的膜蛋白二级结构综合预测的服务网站，极大地方便了用户利用不同的方法进行膜蛋白二级结构预测。本文提出了一种新的基于贝叶斯后验估计的贝叶斯综合预测方法。该方法通过后验概率加权综合了各个方法的优势，集中了不同方法在不同的数据集上表现出的不同优点。这种综合预测方法既能有效地集成各个预测方法的优势，又在一定意义上消除了各个方法的偏好性，从而整体提高了综合预测的正确性。