分泌蛋白质(secretory protein)是合成在细胞内的蛋白质,通过各种分泌途径分泌到细胞外,在生物体中,蛋白质的分泌发生是一种普遍的生物过程,蛋白质的分泌是生物体保证基本生命活动的重要方式。分泌蛋白质中的一类——人类血液分泌蛋白质是与癌症、肿瘤等人类重大疾病相关的,可以用它们来判断癌症类型及疾病恶化阶段,并用于新药物的开发。因此,在生物信息学研究领域,采用有效的方法来确定和预测人类血液分泌蛋白质是至关重要的。由于人类血液中蛋白质组成的复杂性和蛋白质运动范围的广泛性,识别人类血液分泌蛋白质非常具有挑战性。本论文以人类血液分泌蛋白质作为研究对象,采用不同的预测方法,分别对人类血液分泌蛋白质进行了预测研究。论文的主要研究工作如下：1.随着蛋白质数据库的不断更新,构建了新的人类血液分泌蛋白质数据集,扩大了人类血液分泌蛋白质的序列条数。2.利用支持向量机(SVM)、离散增量(ID)和离散增量结合支持向量机(ID_SVM)方法,分别对人类血液分泌蛋白质进行预测,均取得了较好的预测效果。3.提取了一种新的蛋白质序列特征信息——平均化学位移信息,并与其它蛋白质序列信息组合,分别作为SVM、ID和ID_SVM算法的特征向量,对人类血液分泌蛋白质进行了预测研究。结果表明,结合平均化学位移信息后,预测成功率明显提高,在Jack-knife检验下,比单纯考虑氨基酸单肽信息提高了15个百分点。