富含亮氨酸重复（Leucine-rich repeat,LRR）是由一个疏水性亮氨酸残基保守片段和一个高度变异片段组成的短序列,其存在于免疫相关的受体中,例如:LRR-RLKs,RLPs和NLRs。现有预测工具主要基于隐马尔可夫模型、位置特异性矩阵和传统机器学习算法,本研究中我们引入深度学习算法开发了预测LRR结构域的新工具。在本课题研究过程中,我们首先基于重构的LRR单元高度保守片段模式构建了LRR单元的正负样本数据集。随后,我们结合LRR结构域序列特征和卷积神经网络模型开发了DeepLRR,以及对应的网站服务。此外,我们重注释了番茄、拟南芥和水稻参考基因组中的LRR-RLK和LRR-RLP基因,对三种植物的LRR-RLK基因进行了染色体定位、基因簇分析、串联重复分析和系统发育分析。最后,利用拟南芥中已发表的LRR-RLK基因表达量数据进行了WGCNA分析,鉴定了一些潜在的受体和共受体基因。具体研究结果如下:1.在Swiss-Prot数据库中收集了1849条LRR蛋白质序列和174800条不含LRR结构域的蛋白质序列,经过数据预处理和重构LRR单元高度保守片段模式,我们构建了LRR单元的正负样本数据集。2.我们在同一训练集下分别构建了CNN、SVM、RF和NB模型,用以比较深度学习算法和传统机器学习算法预测LRR单元的能力。为了在蛋白质序列层面上完整预测LRR结构域,我们结合卷积神经网络模型和LRR结构域序列特征开发了DeepLRR,并且在同一数据集上取得比其他六种预测工具更高的F1-score值。3.为了提高DeepLRR在科学研究过程中的实用性,我们开发了DeepLRR的网站服务,并且搭载了LRR-RLK、LRR-RLP和NBS-LRR及其非典型结构域的鉴定流程4.我们基于DeepLRR重注释了番茄、拟南芥和水稻参考基因组中的LRR-RLK和LRR-RLP基因,染色体定位、基因簇分析、串联重复分析和系统发育分析被用于三种植物中重注释的LRR-RLK基因。5.基于上述工作,我们搜集了拟南芥LRR-RLK基因在48组样本中的表达量数据,结合已知受体和共受体的LRR单元数量特征和拟南芥LRR-RLK基因的WGCNA结果筛选出一些可能的潜在受体和共受体基因。