跨膜蛋白的拓撲結構是指跨膜多肽鏈的N端和C端相對于該蛋白占據的生物膜的內側或外側的位置。幾個數據庫提供了實驗確定的膜蛋白拓撲結構。它們包括Uniprot、TOPDB、OPM和ExTopoDB。還有一個域數據庫，保守地位于膜的某一側，TOPDOM。開發了幾種計算方法，但成功有限，用于預測跨膜α-螺旋及其拓撲結構。先驅方法利用了跨膜區域比蛋白質的其他部分包含更多疏水殘基的事實，但是應用不同的疏水尺度改變了預測結果。后來，開發了幾種統計方法來改進地形預測，并引入了一種特殊的對齊方法。根據正內規則，靠近脂質雙層的胞質環含有更多帶正電荷的氨基酸。應用此規則導致了xxx個拓撲預測方法。單程蛋白的跨膜α螺旋也有一個負外部規則，盡管帶負電荷的殘基比蛋白質跨膜片段中的帶正電荷殘基少。隨著更多結構的確定，出現了機器學習算法。監督學習方法是在一組實驗確定的結構上訓練的，但是，這些方法高度依賴于訓練集。無監督學習方法基于拓撲結構取決于不同結構部分中氨基酸分布的xxx差異的原理。還表明，基于結構的先驗知識鎖定段位置可以提高預測精度。

此功能已添加到一些現有的預測方法中。最新的方法使用共識預測（即他們使用幾種算法來確定最終拓撲）并自動合并先前確定的實驗信息。HTP數據庫提供了一組通過計算預測人類跨膜蛋白的拓撲結構。信號肽和跨膜片段的區分是拓撲預測中的另一個問題，通過不同方法處理的成功有限。信號肽和跨膜片段都含有形成α-螺旋的疏水區。這導致它們之間的交叉預測，這是許多跨膜拓撲預測器的弱點。通過同時預測信號肽和跨膜螺旋（Phobius），減少了交叉預測帶來的誤差，xxx提高了性能。另一個用來提高預測準確性的特征是同源性（PolyPhobius）。”也可以預測β桶膜蛋白的拓撲結構。