蛋白质翻译后修饰,也称为共价修饰,是调控蛋白质功能的重要机制,在信号通路和生物学过程中发挥着不可替代的作用,并可逆地决定了细胞的动力学和可塑性。然而,随着蛋白质翻译后修饰数据的高通量发展,传统的实验方法往往是费力、费时和昂贵的,快捷便利的计算识别修饰位点的预测方法应运而生。本论文主要基于机器学习,针对酪氨酸硝基化、硫化和磷酸化以及7种真菌的丝氨酸、苏氨酸和酪氨酸磷酸化位点分别建立了在线预测工具,并对其进行蛋白质组学分析。具体内容如下:1、基于弹性网络优化特征方法预测和分析酪氨酸翻译后修饰位点。酪氨酸翻译后修饰,主要包括硝基化、硫化和磷酸化,涉及不同的生理和病理过程。因此,预测整个蛋白质序列中酪氨酸残基的硝基化、硫化和磷酸化具有重要意义和实用价值。在这里,我们采用序列特征、物理化学性质和进化信息对特征进行编码,引入弹性网络进行特征选择,建立了在线预测酪氨酸硝基化、硫化和激酶特异性酪氨酸磷酸化位点的工具TyrPred(http://computbiol.ncu.edu.cn/TyrPred)。交叉验证和独立测试结果表明,利用弹性网络提取训练的重要特征可以显著提高预测性能,同时我们期望TyrPred能够对现有方法起到补充作用。2、基于特征优化策略计算预测和分析真菌特异性磷酸化位点。蛋白磷酸化主要发生在丝氨酸、苏氨酸和酪氨酸残基上,调节多种生物过程。目前真核蛋白磷酸化位点的计算预测主要集中在动物和植物上,尤其是人类,真菌较少。因此对真菌特异性磷酸化的鉴定越来越受到重视。我们基于收集到的真菌磷酸化位点实验数据,按物种和修饰残基进行分类,并以不同特征编码,采用两步特征优化方法进行训练,提出了一种新的真菌特异性磷酸化预测工具—PreSSFP(http://computbiol.ncu.edu.cn/PreSSFP)。Motif和特征分析结果表明7种真菌物种间存在显著差异,为今后真菌磷酸化的计算分析提供新的线索。