准确预测蛋白质的三维结构对蛋白质功能的注释、疾病研究、药物设计等方面有着重要的意义。然而,实验测定蛋白质三维结构的技术发展缓慢。因此,根据Anfinsen法则,利用计算机技术设计适当的算法,以氨基酸序列为起点,蛋白质三维结构为目标的从头预测方法已成为生物信息学中非常重要的研究课题。目前,蛋白质从头预测方法主要的技术瓶颈在于现有技术的构象空间采样能力不足和能量函数不精确。先验知识可以降低能量函数不精确带来的误差,并有效地减小构象的搜索空间,进而提高预测精度。但是如何将从大量的先验知识中提取有效的特征信息,并建立精确的打分模型来辅助蛋白质结构预测是问题的关键;此外,进化算法作为一种研究蛋白质构象空间优化的重要方法,引起了国内外研究者的关注,但是如何保持全局探索与局部增强的平衡,依旧是一个关键问题。本文基于距离谱,在进化算法的框架下,进行了以下的研究:(1)距离和疏水模型辅助的蛋白质结构预测方法。首先,根据氨基酸的亲疏水性构建氨基酸的回转半径来指导构象空间采样,有效地减小构象的搜索空间,进而提高了搜索效率;然后,利用距离谱构建距离分布估计模型,并结合疏水概率模型来指导种群更新,缓解能量函数不精确带来的误差。在基准数据集上进行测试,算法取得了良好的结果。(2)基于距离谱的两阶段蛋白质结构预测方法。首先,利用二分K-均值聚类算法从距离谱中提取特征信息,并用来构建特征相似度模型;其次,设计了基于相似度模型的选择策略来指导构象搜索,从而降低能量函数不精确带来的误差;最后,根据种群中相邻两代的进化信息设计了基于状态估计的两阶段采样策略,达到保持全局探索与局部增强的平衡,进而提高采样能力。在基准测试集上,通过分离实验以及与其他方法的比较,表明该算法是一种有效的蛋白质结构从头预测方法。