功能性短肽是一类具有特定生物活性和功能的短肽。研究表明,许多功能性短肽可以应用到药物研发和癌症医疗之中,比如细胞穿膜肽和群体感应肽。这些功能性短肽的识别研究对于进一步了解其功能机制并将其应用于医疗领域尤为重要。目前已有许多研究工作致力于对功能性短肽的预测识别中,其中基于机器学习的方法可以完成更加快速准确且低成本的预测。在本项研究工作中,本人分别针对以下两种功能性短肽的基于机器学习的预测方法进行了深入的研究和分析。（1）本人首先对细胞穿膜肽的生物学重要性,数据库和现有的基于机器学习的细胞穿膜肽预测方法进行了全面综述。为了对现有的公开可用的细胞穿膜肽预测服务器进行总结和评估,本人使用两个基准测试集对来自六个预测服务器上的12个预测模型行了一项比较研究。测试结果表明,KELM-CPPpred预测服务器（KELM-Hybrid-AAC模型）可以提供更好的预测性能。此外,通过长度依赖性分析,现有的预测工具对于氨基酸长度20至25的肽序列进行细胞穿膜肽预测的结果更为准确。这一研究发现对于人为设计细胞穿膜肽的研究提供了一定的借鉴意义。（2）本人提出了一种基于随机森林算法的群体感应肽预测模型QSPred-FL。本人首先对实验使用的基于序列的特征提取算法进行了全面的介绍。为了更有效地使用现有的特征提取算法,本研究使用了一种特征提取策略和两步骤的特征选择策略,该策略以监督方式自动从现有特征算法中学习最具区分性的特征。基准测试结果表明,QSPred-FL能够实现很好的预测性能。此外,本人已经建立了一个用户友好的Web服务器,该服务器可用于检测大规模蛋白质组数据中的群体感应肽,可在http://server.malab.cn/QSPred-FL上访问。希望该工具能有助于对群体感应肽的高通量预测和重要功能机制研究。