本文主要分析了利用计算的方式进行蛋白质修饰位点的预测的状况,以及在这一方面我们所做的一些情况的介绍。在过去几年中,在预测蛋白质中的翻译后修饰(PTM)方面已经有很多人做了许多努力。而蛋白质修饰的研究具有重要的作用,比如可以通过改变肽的侧链的PTM(蛋白质翻译后修饰)在许多生物过程中起非常重要的作用。它们可能影响蛋白质亚细胞定位,功能激活以及与其他的分子的相互作用。他们也与许多复杂疾病有关,如帕金森综合征,阿尔茨海默病和一些癌症相关的疾病。因此对于蛋白质翻译后修饰的研究具有极其重要的意义和作用。在本文中我们主要是做了蛋白质亚磺酰化修饰位点(S-sulfenylation sites)的研究和预测,考虑到前人所做的工作,由于本修饰位点测定较为困难,因此获取的样本量较少,在进行预测时所得的精度不是很高,因此我们通过以下两个方面进行了相应的处理,以便获取好的结果和相应精度的提高。(一)在我们的文章中首先分析了前人所做的针对蛋白质序列,尤其是短文本序列所表示的特征提取方法。例如通过理化性质提取特征的方式、通过二进制编码法方法进行特征的提取、通过PSSM profiles表示来提取特征的方法、以及位置特异性氨基酸编码序列的表示方法来对蛋白质序列表示等等。并且将以上所提及的特征表示方法放在机器学习模型中进行相应的测试和预测,包括随机森林、SVM(支持向量机)、逻辑回归等机器学习算法中进行预测实验。(二)针对之前提到的特征表示方法以及精度的问题我们在本文中主要是从以下方面进行了相应的改进和创新。首先,考虑到蛋白质亚磺酰化所能获取的样本量比较有限,因此在短文本进行特征表示时能够获取的有效的表示该序列的信息比较困难,在特征表示之后在模型中由于短序列特征表示后重复的可能性比长序列大,因此通过对样本的数量上的选择来进行相应的精度的提高。其次是对于特征的表示上,通过蛋白质氨基酸的理化性质来对短文本序列进行特征表示以及特征选择的方式来提高预测精度。