CCCTC结合因子（CTCF）是脊椎动物中广泛表达的一种蛋白质,在全基因组的Ch IP-seq数据中发现的CTCF结合位点有成千上万个。本文通过对ENCODE数据库中转录因子CTCF的Ch IP-seq数据进行统计,基于67个细胞系的CTCF结合峰数据构建了全基因组范围内的CTCF结合位点全集,记为Sumpeak＿set,共137471个位点。将67个细胞系的CTCF结合数据与Sumpeak＿set中的位点进行对比,分别构建了对应于67个细胞系的细胞特异性结合位点（记为Cellline＿Specific＿peak）集合和非结合位点（记为Non＿binding＿peak）集合。首先,统计67个细胞系中共有的和每个细胞系独有的CTCF结合位点,分别用这些位点的序列信息搜索CTCF的结合模体。然后,从ENCODE数据库中下载了DNase-seq、12种组蛋白修饰、转录因子RAD21和SMC3的数据,计算了这些信号在Cellline＿Specific＿peak和Non＿binding＿peak集合的结合位点区域上的信号分布。最后将以上信息作为特征,利用卷积神经网络（CNN）和支持向量机（SVM）预测CTCF细胞特异性结合位点。在单特征预测中,仅用CNN一种机器学习方法,分别以DNase-seq信号和RAD21+SMC3为特征时效果最优,大部分细胞系的AUC值都在0.800以上;H2AFZ、H3K4me1和H3K4me2这三种组蛋白修饰在部分细胞系中的AUC值在0.700左右,模体信息以及其余9种组蛋白修饰信号的AUC值均在0.500左右。组合特征预测中,利用CNN和SVM两种机器学习方法。将DNase-seq、RAD21+SMC3和组蛋白修饰这三种特征分别组合进行预测,发现CNN方法的预测AUC值都高于SVM方法约0.004到0.05。结果表明,DNase-seq、转录因子RAD21和SMC3对CTCF的细胞系特异性结合位点具有较强的预测能力,而序列模体和组蛋白修饰信号对识别这些位点的贡献较小。这些研究对进一步解码CTCF的调控功能,分析转录因子与DNA相互作用机制提供了理论依据。