DNA、RNA结合蛋白在转录、DNA复制、选择性剪贴、RNA编辑及甲基化等多种生物功能中发挥非常重要的作用,从氨基酸序列预测这些蛋白的功能成为基因组功能注释领域的重要挑战之一。随着高通量技术的应用,蛋白质数据在公共数据库上被挖掘出来的越来越多,越来越多的学者和科研机构致力于从这些海量的数据中进行知识挖掘,从而去探索和揭开生命的意义。近年来,许多统计学方法和机器学习方法被提出来去预测一条蛋白质序列是否能与DNA、RNA结合,传统的预测方法往往从序列中提取氨基酸的理化特性作为初始特征,忽略了motif及motif之间的位置信息,同时由于训练数据规模小、噪声大,导致预测的精度及可信度降低。本文的主要工作如下:(1)本文首先分析了以往的对于蛋白质序列的特征提取方法,其中包括提取理化特性、n-gram、将氨基酸按照理化特性分类之后的n-gram、n-gram结合理化特性、基于理化的自协方差方法等。并将以上的特征提取方法提取后的特征放入支持向量机、逻辑回归等方法中进行实验。(2)本文提出了一种从序列预测RNA结合蛋白的深度学习模型。该模型利用两阶段卷积神经网络探测蛋白质序列的功能域,利用长短期记忆网络获得序列的定长特征表示。预测算法中所用到的特征均是通过“学习”自动获得,克服了传统机器学习中特征选择过程过多的人工干预。实验结果表明模型在处理大规模序列数据时具有明显的优势。