蛋白质的扭转角控制着蛋白质的空间构象和功能。为了提升蛋白质序列的扭转角预测性能，本文提出一种新的深度学习模型ProTAMAR。在传统蛋白质序列编码和多序列对比结果的基础上，通过引入蛋白质预训练编码以捕获高维特征表示，设计多头注意力机制和扩张卷积模块用于提取全局序列信息和局部上下文信息。在蛋白质基准数据集中广泛测试，ProTAMAR模型优异。通过实验证实本文设计的预训练特征和引入的网络框架为蛋白质序列扭转角预测任务提供了更具价值的生物学线索和更高效的提取方式。