蛋白质结构与功能预测是后基因组时代的一项重要任务，本文围绕该问题做了一些研究工作，主要结果如下： 1．蛋白质结构预测模型的目标函数通常采用基于物理理论的经验势函数或基于统计理论的平均势能函数。本文分析了Cornell大学Baker化学实验室给出的联合残基力场，建立了九个预测模型，它们分别包含不同的能量项，以便分析各能量项对于蛋白质结构预测结果的影响。 2．针对蛋白质结构预测模型中目标函数多变量、多极值的特点，采用模拟退火算法对蛋白质进行结构预测，并对算法进行了改进，数值试验表明该算法具有较好的收敛性，并且对于大规模的连续函数全局优化问题能够得到很好的结果；本文计算了脑啡肽的九个预测模型，说明了各能量项在结构预测中的作用。 3．Lennard-Jones簇问题(简记为L-J)是物理系统中一个非常简单，合理的数学模型。该模型的全局极小可以用来理解复杂的分子构象问题，并且在蛋白质折叠的势能模型中，它都是很重要的一个部分，所以L-J问题的解决有助于蛋白质结构预测的研究。本文根据L-J函数的特点，在模拟退火算法中加入了局部极小化的过程，从而提高了计算的速度和成功率。同时对该算法的收敛性进行了分析，得到了在温度趋于0时，算法产生的序列以概率1收敛到全局极小点的结论。 4．蛋白质功能预测也是后基因组时代要解决的一个重要问题，虽然蛋白质功能预测的研究起步比较晚，但是也取得了一定的成果，本文对于蛋白质功能研究的现状做了一个简要的综述。