面对蛋白质数据日益海量增长这一趋势,应用生物信息学技术辅助预测蛋白质结构与功能已经成为了一项重要任务。本文利用统计学方法和机器学习方法,研究蛋白质序列的纹理特征及相似性,使用智能算法辅助预测了蛋白质结构类型,对低分泌蛋白质的原始信号肽序列进行了人工优化设计。在第二章中,提出了一种新的蛋白质特征向量构造方法,利用马尔可夫过程将蛋白质序列转换为马尔可夫转移频次矩阵,然后计算其对比度、同质性、相关性和能量四个特征值,并结合Chou提出的伪氨基酸组成理论构造新的蛋白质特征向量,然后将新的蛋白质特征向量构造方法用于真核细胞（Eukaryotes）、革兰氏阳性真菌（Gram+bacteria）和革兰氏阴性真菌（Gram-bacteria）三类物种蛋白质的分类,分类结果表明使用新的方法构造的蛋白质特征向量能够表征蛋白质的特性。在第三章中,鉴于识别蛋白质二级结构对于进一步研究蛋白质的特征和性质具有重要的作用,提出一种新的基于双树复小波变换识别蛋白质的方法。首先利用Cα原子三维空间坐标把蛋白质序列映射为距离矩阵,然后针对距离矩阵中隐含的纹理信息,使用双树复小波变换对矩阵进行四级分解,提取不同方向的子带能量和标准偏差,得到了48维特征向量来表示蛋白质的二级结构特征,最后结合机器学习算法实现了对四种不同结构类蛋白的区分。在第四章中,鉴于生物体中许多天然蛋白质的分泌量较低,难以进行大量的提取和生产,利用三种策略对原始信号肽序列优化改造,分别在原信号肽序列基础上替换氨基酸,插入氨基酸和删除氨基酸,再根据氨基酸的不同物理和化学性质构建人工信号肽序列片段三维坐标的伪骨架距离矩阵,最后利用逐行DTW算法计算人工信号肽的相似性,从而实现对信号肽序列进行人工优化设计。