تجزیه و تحلیل و تفسیر توالی‌های زیستی در زمره مسائل مورد توجه در حیطه بیوانفورماتیک است. پروتئين‌ها بر اساس اندازه فیزیکی، در زمره نانو ذرات (Nanoparticles) طبقه‌بندی می‌شوند. علاوه بر این، دنباله‌ای از آمینو اسیدها شکل دهنده، ساختار اول پروتئين‌ها خواهد بود. بنابراین واضح است که آمینو اسیدها نیز به عنوان زیر مجموعه‌هایی از نانو ذرات تلقی شوند. بزرگترین آمینو اسید موجود تریپتوفان نام دارد که در حدود ۱.۲ نانو متر طول دارد. به منظور بررسی عملکرد پروتئين دانشمندان سعی در پيش‌بینی ساختار سه بعدی پروتئين از توالی اسيد آمينه‌ی آن دارند. علی‌رغم ‌مطالعات گسترده در زمینه¬ی ساختار پروتئین‌ها، تعیین ساختار سه بعدی پروتئین کماکان كار مشكلی است. با توجه به این موضوع که اسیدهای آمینه توسط رشته‌ای از کاراکترها نشان داده می‌شوند، لازمه پیش‌بینی ساختار پروتئین‌های جدید، تبدیل اسیدهای آمینه به فرمت عددی است. در این مقاله، برای توصیف دنباله‌های پروتئین، از یک توصیف ریاضی جدید بر مبنای نظریه گراف استفاده شده است. به طور خاص برای هر توالی پروتئین، یک گراف جهت‌دار وزنی ایجاد می‌شود. این رویکرد جدید به دلیل در نظر گرفتن همزمان ترتیب و تعداد حضور آمینو اسیدها، اطلاعات بیشتری جهت پيش‌بینی ساختار پروتئين ها استخراج می نماید و به طراحی مدلی دقیق تر جهت کلاس بندی منجر می گردد. به منظور طبقه‌بندی پروتئین‌ها با استفاده از اطلاعات ساختار اول از شبكه عصبی مصنوعی XY-Fused استفاده شده است. این نوع شبکه عصبی مصنوعی بر پایه ی نوعی از نقشه های خودسازمانده بوده که از توانایی بالایی جهت یادگیری نظارتی (طبقه بندی داده ها) برخوردار می باشد. روش پیشنهادی بر روی مجموعه داده‌ای که یکی از چالش‌ برانگیزترین مجموعه داده‌ها است اعمال گردید. صحت طبقه بندی توالی های بیولوژیکی توسط معتبرسازی متقاطع در حدود ۸۸/۷٪ بدست آمدکه در مقایسه با سایر روش های پیشنهادی جهت آنالیز این داده ها بهبود قابل توجهی مشاهده گردید.