蛋白质是生命的物质基础,蛋白质序列决定其结构与功能。因此,蛋白质序列的特征提取是探索序列背后隐藏的生命规律的重要步骤,是认识生物有机体变化趋势的基础环节。本文将深入研究蛋白质序列的数值特征提取方法,并将其应用于蛋白质序列的相似性分析与分割算法中。首先,提取了蛋白质序列的三类特征:氨基酸的伪马尔科夫转移概率,氨基酸含量和氨基酸位置。深入分析了三类特征之间的关系,建立了氨基酸的伪马尔科夫转移概率与氨基酸含量之间的数学关系式。进一步融合三类特征构成440维特征向量用以表征蛋白质序列。然后,基于“向量之间的欧氏距离越大(小),序列的相似性越小(大)”理论,将三类特征向量分别用于四个蛋白质序列数据集(ND5数据集,F10和G11数据集,Beta蛋白数据集,转铁蛋白与乳铁蛋白数据集)的相似性分析,并从欧氏距离相似性矩阵、系统发育树和相似性热图三个角度反映序列的相似性结果。实验结果表明:三类特征能够有效反应蛋白质序列的组成和分布信息,是序列分析研究的强有力工具。受DNA分割算法的启发,本文将氨基酸含量特征用于构造蛋白质序列的分割算法。通过实验发现蛋白质分割算法与DNA分割算法具有相似的性质。经过严格的数学推导,证明了蛋白质分割理论。该项工作是DNA分割算法及理论的直接推广,是氨基酸含量特征在蛋白质分割算法中的初步尝试,为后续蛋白质序列分割算法及其应用提供了参考。