پروتئین ها نقش کلیدی در بسیاری از فعالیت های حیاتی موجودات زنده بر عهده دارند، با توجه به این اهمیت، تولید پروتئین و تغییر ساختار آن برای نیل به اهدافی از قبیل طراحی داروها، ارسال دارو به بافت هدف تولید جایگزین های زیستی برای از بین بردن ترکیبات شیمیایی خطرناک محیط و غیره، از اهداف مطالع? پروتئین ها در علوم انفورماتیک و مهندسی پروتئین می باشد. در راه رسیدن به این هدف آگاهی از عملکرد و طرز کار یک پروتئین با توالی اسیدهای آمینه کشف شده، اهمیت فوق العاده ای می یابد. از آنجایی که پروتئین ها در ساختار سوم دارای عملکرد می باشند، لذا پیش بینی ساختار دوم دارای اهمیت است که روش هایی مختلفی از جمله شبکه های عصبی در این زمینه ارائه شده است، لذا در این رساله سعی شده است تا با ارائه ی روشی جدید مجموعه ای از شبکه های عصبی پیش رو، دقت پیش بینی ساختار دوم پروتئین را نسبت به روش های موجود بهبود بخشیده شود. شبکه های عصبی مورد استفاده قرار گرفته در این رساله، بر اساس پنجره های زمانی و همچنین روش های متفاوت جهت استنباط سه حالت مارپیچ آلفا، صفحات بتا و پیچه از نتایج dssp ایجاد شده و تحت آموزش قرار گرفته شده اند و در نتیجه این 5 شبکه به عنصر ادغام کننده انتقال پیدا نموده و نتیجه نهایی، دقتq_3 به ترتیب برای مجموعه داده ای cb513 و rs126 به ترتیب 76و 78 درصد می باشد. لازم به ذکر است در این رساله از مجموعه داده هایcb513 و rs126 که به عنوان مجموعه داده هایی معتبر در راستای ارزیابی روش های پیش بینی ساختار دوم پروتئین در پژوهش های تحقیقاتی در این حوزه مطرح می باشند جهت آموزش و ارزیابی روش پیشنهادی استفاده شده است.