传统机器学习方法在蛋白质关联图预测中要求满足独立一致性的条件，为了克服传统机器学习独立一致性假设，并且利用关联残基之间的规则约束，提出一种基于扩展的Markov逻辑网的蛋白质beta关联预测方法，该方法能够利用Markov统计关系学习框架来实现蛋白质beta结构关联预测。实验结果表明，利用该方法能够获得较好的beta关联预测效果，实验预测精度能够达到45.91%，较BetaPro能提高8%，是随机预测精度的14倍。