蛋白质-小分子结合位点预测是一个重要的科学问题,它对很多研究都有非常重要的指导意义,包括基于结构的药物设计、蛋白质的功能注释、分子对接等。经过许多年的发展,已经有各种各样的蛋白质-小分子结合位点的预测方法,包括基于几何特征的预测方法、基于能量的预测方法、基于模板的预测方法、基于知识的预测方法和基于序列保守性的预测方法等。但是,蛋白质-小分子结合位点的情况是非常复杂的,现存的软件大多是从一个或者少数几个角度对蛋白质-小分子结合位点的情况进行描述并加以预测,这导致算法的准确度和普遍性都不是很好。在本篇论文中我们提出了一个新的算法DFSite(Docking and Feature-based binding Site prediction),它是一种将分子对接和局部特征结合起来预测蛋白质-小分子结合位点的算法。在这个算法中我们对结合位点的特征从氨基酸水平、原子水平和结合位点自身水平三个不同的方面进行可计算性的描述,然后采用线性回归算法训练出一套新的线性打分函数,将它与蛋白质-小分子对接软件MDock相结合来预测蛋白质-小分子的结合位点。我们把该方法和现存的其他蛋白质-小分子结合位点预测方法进行比较,发现该方法优于大部分现存的方法,包括广泛使用的独立预测算法Fpocket、自动的结合位点预测算法DoGSite、有效地探测蛋白质和小分子结合位点的算法LIGSITE、有效地整合了多种结合位点预测软件的算法MetaPocket 2.0以及基于三维卷积神经网络来预测结合位点的算法DeepSite等。DFSite算法是一种快速的不依赖于任何先验结合位点信息的算法,分子对接和新的线性打分函数的使用提高了算法的准确度。测试结果表明,我们的算法是两种最好的蛋白质-小分子结合位点预测算法之一。