N-7甲基鸟嘌呤(m7G)修饰是转录后调控中最常见的碱基修饰之一,广泛分布于tRNA、rRNA以及真核生物mRNA的5~′帽子区。对维持RNA的加工代谢、稳定、出核以及蛋白质翻译具有重要作用。识别N-7甲基鸟嘌呤可以为了解其功能提供重要线索,现在大多数识别方法主要依靠的是生化实验,然而传统生化实验来识别修饰位点的缺点越来越明显。随着测序技术的飞速发展,含有N-7甲基鸟嘌呤修饰位点的RNA数据的积累为我们系统地研究N-7甲基鸟嘌呤修饰位点提供了机会。计算机技术可以快速、准确和廉价地识别RNA中的修饰位点,因此构建N-7甲基鸟嘌呤修饰位点预测模型非常重要。目前在国内外针对N-7甲基鸟嘌呤修饰位点的预测模型相对较少,这促使我们开发一套基于生物信息学的N-7甲基鸟嘌呤修饰位点预测模型。本文基于N-7甲基鸟嘌呤修饰位点序列信息构建预测模型。我们首先从含有N-7甲基鸟嘌呤修饰位点附近的RNA序列中提取四种特征包括核苷酸性质频率、k联体、伪核苷酸组分、单核苷酸二进制编码,基于四种特征利用支持向量机构建N-7甲基鸟嘌呤修饰位点预测模型,然后通过参数寻优、特征融合以及特征筛选等方法提高模型精度,进而开发了一个基于最佳模型的生物信息学工具。十折交叉验证的结果表明N-7甲基鸟嘌呤修饰位点最佳预测模型的整体预测精度达到94.67%,操作特性曲线下面积达到0.98。此外,为了更好地对比评估模型,我们还利用不同算法来构建预测模型,结果发现,基于支持向量机的模型对比其他机器学习算法具有很大的优势。最后我们将预测模型以及项目细节分享在GitHub上以供参考。