蛋白质和核酸作为两类生物大分子,二者的相互作用参与了生物体众多的生命活动。研究蛋白质与核酸的相互作用不仅可以观察蛋白质构象在结合中的变化,也可以解析氨基酸分子与核苷酸结合的键能变化来分析二者的结合机制。已有大量研究表明在蛋白质与核酸相互作用的接触面上,有一小部分的氨基酸残基与核酸的结合对结合自由能的变化起到至关重要的作用,这些氨基酸残基称之为热点残基。热点残基作为蛋白质与核酸相互作用自由能的主要贡献者,引起了研究者的广泛关注。在过去的几年中,已经发展了一些计算的方法来识别蛋白质-RNA和蛋白质-DNA相互作用界面热点残基。现有的蛋白质-RNA热点残基预测方法大都需要蛋白质的三维结构作为先验知识,而目前已知蛋白质序列的数量远远大于已知结构的数量,因此开发基于蛋白质序列的方法是非常有必要的。而对于已有的蛋白质-DNA热点残基预测工具,大多是运用分子动力学模拟的方法开发出来的,这种方法在处理大规模样本时预测效率不高,且结果不稳定。针对这些局限性,本论文主要通过以下两个工作对蛋白质-核酸作用界面的热点残基预测方法进行改进:1.提出了一种基于序列信息的蛋白质-RNA相互作用界面热点残基预测方法。我们使用了伪氨基酸组成的序列编码方式,考虑到了邻近残基对目标残基的影响,从而可能从整条序列上提取有效信息来揭示蛋白质-核酸互作模式。我们首先利用物理化学属性将蛋白质序列数值化,然后利用伪氨基酸组成的编码方式从每条序列中提取出维数相同的特征向量,结合相对溶剂可及表面积和氨基酸替代矩阵特征,我们用三种分类器(基于径向基核函数的支持向量机、基于sigmoid核函数的支持向量机和K-近邻分类器)构建了最终的集成学习模型。我们的方法最终取得的F1=0.843,MCC=0.657,AUC=0.893。与现有其他工具相比,该方法在独立测试集上的表现是最优的。2.提出了一种基于结构信息的蛋白质-DNA相互作用界面热点残基预测方法。考虑到现有的方法还不能大规模的预测蛋白质-DNA界面上的热点残基,本文利用机器学习的方法构建了一个基于广谱性结构特征的预测工具。我们一共收集了四类特征包括溶剂可及表面积、结构、序列和网络特征共114维,利用随机森林变量选择的特征选择方法筛选出10维最优特征子集,并采用支持向量机构建最终的预测模型。结果表明,我们的方法F1=0.721,MCC=0.531,AUC=0.803。在独立测试集上比较其他方法可知,我们提出的预测方法能够更好地预测蛋白质-DNA界面热点残基。本文提出的两个预测方法与现有的蛋白质-RNA和蛋白质-DNA界面热点残基预测工具相比,性能均有显著提升。本文的研究内容可以为我们理解蛋白质-核酸相互作用机制和相关药物研发提供理论上的指导。