タンパク質をファミリーに分類することは，タンパク質の性質を理解する上で大変重要である．ファミリーとは共通の祖先を持つタンパク質のグループであり，同一ファミリー内のメンバーは互いに類似したアミノ酸配列を持ち，その機能も類似している．本研究は，アンサンブル学習により正解率の高い分類器の構築を目的とし，20種のアミノ酸に111個の各指標に応じたベクトルをそれぞれ割り当て，アミノ酸配列から生成したグラフ表示画像をそれぞれ異なるモデルで学習した後，いくつかの学習済みのモデルの予測値をメタモデルで学習し最終的な精度を向上させる．ベンチマークテストとして，GPCRの5クラス分類を行う．