Предсказание трехмерной структуры белка по его одномерной структуре путем сравнения с имеющимися в базе данных образцами трехмерных структур позволяет также сделать вывод о функции соответствующего белка. В настоящее время для предсказания типа третичной структуры (фолда) на первый план вышел так называемый профильный метод. Профиль строится путем анализа множественного выравнивания с использованием специально модифицированных методов математической статистики. Мы разработали два новых метода построения профилей. В первом оцениваются веса последовательностей в данной позиции множественного выравнивания с помощью статистики с учетом зависимых псевдоотсчетов. Второй - использует новую меру сходства последовательностей, исключающую избыточность информации, вносимую гомологичными последовательностями. Число независимых наблюдений аминокислоты определенного типа в данной позиции множественного выравнивания вычисляется из общего сходства соответствующего подмножества последовательностей на основе статистического подхода, который позволяет быстро подсчитать позиционно-специфичные веса последовательностей даже для большого числа последовательностей. Сравнение с лучшими профильными методом и методоми скрытых цепей Маркова показало, что наш подход позволяет правильно идентифицировать большее число белков с одним из тестовых фолдов в банке PDB. Правильность идентификации белка на принадлежность к семейству проверялась путем сравнения с базами данных САТН и SCOP. Таким образом появляется реальная возможность рассклассифицировать большую часть белков в протеоме, приписывая белкам определенную структуру (фолд) и функцию. Наш подход позволяет существенно повысить достоверность вывода, что данный белок имеет определенный фолд, или напротив, что присущий ему тип третичной структуры не представлен в банке.