针对蛋白质二级结构机器学习预测方法，忽略氨基酸疏水性特征以及氨基酸之间的长程作用和准确率不高的现状，进行了比较实验分析。采用氨基酸对应的疏水能值替换蛋白质中相应的氨基酸，得到疏水能值的序列。实验结果表明，用长的疏水能值序列训练BP网络，对长程作用起主导的E结构的预测效果好。由于Profile编码特征和疏水能值特征是独立的冗余视图，基于协同训练思想，提出Co-training算法。该算法的主要步骤是在Profile特征空间训练SVM分类器，在疏水性特征空间训练BP神经网络分类器，协同对氨基酸二级结构进行预测
