人类基因组里面大约有2%的序列被转录成mRNA,其中很大部分以前认为是“垃圾”的序列也会被转录成非编码RNA（ncRNA）。从成千上万序列中寻觅基因,生物信息学领域发展了很多成熟的算法,它们在基因预测方面也取得了令人鼓舞的结果。然而,随着研究的不断发展,研究人员发现一些ncRNA实际上是能编码的mRNA,它们包含一些较短开放阅读框（short ORFs,sORFs）。之前大多数寻找mRNA的生物信息学算法限于300个核苷酸以上。这一缺陷导致经典的基因注释软件对一些包含sORF的“长非编码RNA（long ncRNA,lncRNA）”进行了错误分类。于是,我们提出了一种基于支持向量机（Support Vector Machine,SVM）分类器的编码潜能预测方法（CPPred）,该方法使用了多个特征,其中包括由全局描述编码的新RNA特征。CPPred不仅可以更好地区分编码RNA和ncRNA,还可以区分短的编码RNA和短的ncRNA。研究表明,全局描述编码特征（T2,C0和GC）在编码潜能的预测中起重要作用,其可以捕获RNA折叠结构特征。CPPred在人类,小鼠,斑马鱼和酿酒酵母测试集上,具有高的准确性。在这些物种的测试集上,CPPred的准确性较之前发表的工具有所提高。而CPPred在这些物种的短的RNA（sORF）测试集上展现出特别的优势,比之前开发的工具有一个比较大的提升。在CPPred的基础上,我们增加了两个特征,并使用了Non-AUG作为起始密码子,开发了CPPred-sORF,对sORF做了全面的评估。CPPred-sORF构建了短的编码RNA和lncRNA分别作为阳性数据和阴性数据。相比于都是短的编码RNA和ncRNA的识别,lncRNA和短的编码RNA是更不容易区分的,这是因为序列越长那么它们更容易包含开放阅读框。经测试,CPPred-sORF在独立测试集上的灵敏度、特异性和马修相关系数（MCC）值分别为88.22%,88.84%和0.768,比其他方法的预测性能提升了不少。此外,我们开发了CircPred,用于区分环状RNA（circRNA）和编码RNA,以及区分circRNA和lncRNA。该工具在CPPred特征的基础上,添加了和剪接相关的AT-GT信号特征,因为它与circRNA密切相关。我们构建了非冗余的circRNA,编码RNA和lncRNA数据集。在circRNA和lncRNA预测中,CircPred得到的灵敏度、特异性和MCC值分别为85.17%,96.56%和0.833。在circRNA和编码RNA的预测中,CircPred的灵敏度、特异性和MCC值分别为65.58%,98.75%和0.739,比其他预测编码潜能的工具都有所提升。