蛋白质翻译后修饰在生物过程中有着很重要的角色,潜在的蛋白质翻译后修饰是由中心位点和相邻的氨基酸残基组成的。共价和一般酶修饰的蛋白质能够影响蛋白质的活性,被修饰的蛋白质具有更复杂的结构和功能。蛋白质的翻译后修饰有助于生物功能的发挥和理解蛋白质设计和药物设计的分子机制。了解某个氨基酸位点是否被修饰对揭示该蛋白的功能和结构有重要意义。使用实验的方法去探索蛋白质的翻译后修饰位点通常需要很长的时间并且花销很大,与生物数据爆炸增长的速度严重不符,所以使用计算的方法预测PTM位点成为了理想的替代方法。本文对蛋白质的酪氨酸残基上的硝化和赖氨酸上的磷酸甘油化修饰作了分析,使用机器学习的方法提出了多种建模方法进行位点预测,分析提高使用计算方法预测PTM位点的精度。本文收集了络氨酸的硝化位点数据和赖氨酸的磷酸甘油化位点数据作为实验数据,利用多种蛋白质序列特征设计了新的计算预测方法。使用多种机器学习算法来建立预测模型,通过使用留一交叉验证和独立测试集验证来分析预测模型的精度,同时横向比对每种特征的预测精度,分析各种特征对预测结果的影响,试图分析不同修饰的生物机制。使用F-score分析了不同特征的重要性,找到了几种比较重要的特征,有助于分析蛋白质修饰位点的机制。实验表明不同的修饰位点需要根据自身的特点提取特征建立特异性预测模型,能够达到很好的预测效果。