B细胞表位预测是一个有研究意义的课题,多年来一直被生物信息学领域的研究者们深入讨论,它在免疫学中的地位是十分重要的。B细胞表位实际上是一些氨基酸残基,这些氨基酸残基位于抗原表面,可以与抗体发生特异性结合。准确定位到抗原上能够发生特异性结合的区域在免疫学方面、抗体研发方面、甚至是对人工疫苗研制方面都具有着很大价值。人们通常采用一些生物实验技术来定位B细胞表位,比如X-Ray、NMR等技术。这些技术的实施既费时费力,又会产生高额的成本,因此通过计算的预测方法来预测抗原表面的B细胞表位成为计算生物学领域的一个热点问题。B细胞表位的预测算法中,通常是对抗原表面的区域通过计算的方法进行预测,结合生物实验手段对结果进行验证。这类方法在一定程度上提升了定位B细胞表位的速度,因此近些年来被广泛应用。B细胞表位研究一般分为两大方面,一方面是研究线性表位,另一方面是研究构象性表位。本文提出的算法是构象性B细胞表位预测中基于抗原三维结构信息的预测,通过对抗原三维结构特征信息的进一步挖掘,提出了一种结合温度因子的构象性B细胞表位分层预测模型。算法首先对抗原三维结构特征信息进行深入挖掘和提取,通过随机森林算法进行机器学习生成预测模型一,在这一步特别地加入了一个新的特征——温度因子,然后通过基于划分策略的算法结合预测模型一进行进一步的特征提取,再利用机器学习方法生成预测模型二。在161条包含了抗原-抗体复合体结构的数据集与含有15个复合体结构的测试集上,本文算法均得到有效地验证。本文算法的敏感性为0.603、特异性为0.768、PPV为0.314、ACC为0.751、F值为0.367。将本文提出的预测算法分别和DiscoTope、BEPro、Epitopia、EPCES相比较,在各项性能评定指标上均高于其他四种方法,验证了算法的有效性。