随着生命科学领域不断取得的关键性突破和计算机领域的不断发展,出现了生物信息学。其出现的本质原因是随着基因草图的绘制完成,基因的相关研究开始步入后基因组时代,众多的基因数据需要进行分析和处理,而沿用了多年的序列分析方法过于耗时,已经远远不能满足需求。在序列比对分析之中,蛋白质的研究具有很重要的意义。后基因组时代中有一个至关重要的部分,即分析蛋白质的结构、功能。然而传统的比对方法需要耗费大量的时间,且预测的准确度无法得到保障,所以利用蛋白质相关特性从理论的角度来对其结构进行预测和分析的理论方法成为了一个主要的研究方向。由于蛋白质的结构极其复杂,很难直接从其一级序列直接进行结构的推导,蛋白质的结构研究一般从其二级结构的预测来展开。本文提出了一种基于经验模态分解和分形维数的方法（EMDFD）来提取特征进而对蛋白质序列进行分类分析,在此基础之上,构造BNGRU神经网络对蛋白质的二级结构进行预测分析。首先,文章介绍了蛋白质序列比对分析、蛋白质二级结构预测的相关研究意义与国内外研究进展,对相关的基础知识、主流研究方法、评判标准等进行了阐释和说明。接着,文章基于EMDFD方法之上对蛋白质序列的相似性进行了分类和分析。使用疏水值将蛋白质序列进行数据化和特征化,通过经验模态分解来获取其本征模函数,用窗口分形维数来计算分解之后的序列的局部特征,最后通过获取到的特征进行分类分析。在文章的第三部分,将蛋白质数字编码、特异性得分矩阵和EMDFD结合形成新的特征编码来表示蛋白质特征集。针对序列前后之间的关联信息,构造基于机器学习的BNGRU神经网络来学习序列之间的长程关联,进而对蛋白质的二级结构进行分析与预测。使用了BN的方法对网络模型进行优化。结果表明EMDFD构成的新特征集可以有效表示序列特征,BNGRU的方法可以显著地提高蛋白质二级结构预测的准确性。