酰胺化与高血压、癌症、神经功能障碍、睡眠呼吸暂停等疾病有重要关系,酰胺化位点的识别不仅可以帮助我们了解酰胺化的发生过程,还有助于我们认识这些疾病引发的原始原因。然而利用传统的生物实验来识别酰胺化修饰位点的方法通常是耗时、耗力且昂贵的。因此,我们提出了一种基于机器学习算法来识别酰胺化位点的方法,该方法不仅在时间和成本上有很大优势,还取得了很好地预测效果。在本文中,我们提出了一种基于氨基酸序列特征和机器学习算法来识别酰胺化位点的计算方法。该研究结合了三种特征提取方法来构建特征向量,分别为氨基酸位置特异性倾向、K间隔氨基酸对相关性、高质量指数;基于极端随机树算法通过监督方式去除特征向量的各个组件之间的冗余和依赖,即最优特征子集的选择;最后利用加权支持向量机分类算法来识别酰胺化位点。本文所提出的方法不仅可以捕获序列中氨基酸的物理化学性质,还可以捕获氨基酸的位置相关信息,因而可以更全面地获取到待测序列的信息,而且加权支持向量机分类器在非平衡数据集上也可以获得很优秀的预测效果。最终,该方法在独立数据集上获得了很好的预测效果,准确率为0.962,马修斯相关系数为0.89,AUC为0.964。实验结果表明,本研究所提出的方法在识别酰胺化位点方面有明显优势。