蛋白质与RNA的相互作用在各种生物过程中都起到了至关重要的作用。基因调控、RNA剪切、RNA降解等生命调控过程均与蛋白质与RNA的结合位点有关。因此分析蛋白质与RNA的结合位点可以深入理解蛋白质与RNA的作用机制,对理解这些生物过程有非常重要的意义。目前已经有很多生物实验的方法对结合位点进行测量,如X射线晶体衍射、核磁共振、CLIP-seq等。上述生物实验的方法均能够准确的获取蛋白质与RNA的结合位点,但是非常耗费人力、物力、财力。随着蛋白质与RNA复合物三维空间数据的增多,研究人员开始通过计算的方法对结合位点进行预测与分析,通常使用蛋白质与RNA复合物的三维结构数据对序列上的结合位点进行预测。目前存在的大部分方法都是基于序列中的氨基酸与核酸对进行分析,忽略了序列整体对结合位点的影响。同时这些方法所使用的数据集都很小,得到的预测结果可能会存在偏向性。针对上述问题,本文进行了如下的工作:(1)重新收集了实验数据,从PDB数据库中收集蛋白质与RNA复合物数据共计1130条。(2)使用了蛋白质共进化信息PSSM矩阵(Position-Specific Scoring Matrix)以及RNA的One-Hot编码作为数据特征。(3)使用结合位点图(contact map)作为数据的标签。(4)提出了基于全卷积神经网络的蛋白质与RNA结合位点图预测模型(PPRCM)。在独立的测试集上,本文提出模型的查准率、查全率、F1-score分别为:67%、56%、61%。同时进行了五折交叉验证,得到查准率、查全率、F1-score的平均结果为64%、53%、58%,证明该模型具有很好的稳定性与可靠性。该模型为蛋白质与RNA结合位点的研究提供了一种新思路,并且为研究者提供一种预测蛋白质与RNA结合位点的新方法。