随着后基因组时代的到来，使用机器学习方法对生物数据进行数据挖掘已经成为生物学研究的一种新方法。本课题主要利用支持向量机方法，结合蛋白质序列的特征提取，实现在氨基酸残基的水平上对蛋白质序列中的RNA结合位点进行预测。 蛋白质-RNA相互作用在许多生物活动中起着重要的作用，如蛋白质的合成、基因表达的调节等。为了在只给定一条蛋白质序列的情况下，判断它的哪些位点是RNA结合高发区，哪些是不容易发生RNA结合的位点，我们使用位置特异性打分矩阵和支持向量机相结合的方法建立了一个全新的RNA结合位点预测模型。结果表明，我们的预测模型净预测值达到了72．2％(敏感性为61.0％，特异性为83.3％)。与之前的同是在氨基酸残基水平上对蛋白质序列中RNA结合位点进行预测的两个模型相比，我们的模型有更高的准确性和更好的推广性。 在新建立的RNA结合位点预测模型的基础上，我们结合计算机网络技术，开发了RISP在线预测系统(http://grcseu．edu．cn/risp)。用户在预测系统输入界面输入任意一条蛋白质序列，就可以得到蛋白质序列上的RNA结合位点的预测结果返回。除了以‘+’或‘．’的形式来对蛋白质序列中每一个氨基酸残基是否是RNA结合位点进行标记之外，我们还提供了每个位点预测结果的预测可信度，并且分别给出了具有较高预测特异性和较高预测敏感性的预测结果，以满足不同用户的需求。