蛋白质是基因表达的重要产物,在生命活动的各种场合都起着重要作用。众多种类的蛋白质中,转录因子蛋白可以特异性地结合在DNA上并对DNA上的基因表达起调控作用,是一类十分重要的蛋白质。本研究的主要目的就是实现基因中转录因子蛋白结合位点的准确识别,为将来进一步分析其调控作用打下基础。目前常用的转录因子蛋白结合位点检测技术为ChIP-Seq和DNase-Seq。ChIP-Seq技术虽然较为成熟,但存在测序成本高、特异性酶匹配困难、耗时长等问题。新提出的DNase-Seq技术则有效避免了上述问题,可以一次性测量大范围的基因区域,其检测精度可以达到单碱基。本课题从ENCODE网站下载DNase-Seq数据,并设计RNN循环神经网络校正模型实现DNase酶的酶切碱基倾向性校正。从ENCODE网站下载ChIP-Seq数据,通过GEM与FIMO等软件准确获得感兴趣转录因子在DNA上的结合位点并作为正样本,得到转录因子PWM矩阵的判定阈值。根据该阈值将未被ChIP-Seq发现的转录因子候选结合位点作为负样本。在所有样本上提取DNase剪切值并进行碱基倾向性校正,形成感兴趣转录因子结合位点的DNase数据集,基于该数据集,设计并实现基于CNN卷积神经网络的转录因子结合位点DNase识别模型。随后的实验结果,证实了所设计方法的有效性。