原核生物类泛素化修饰(Pupylation)是在原核生物中发现的与真核生物中泛素化修饰作用相似的一种蛋白质翻译后修饰形式。在该过程中,原核类泛素化蛋白PUP在酶的作用下识别出细胞中的底物蛋白质并对其特定的赖氨酸残基进行修饰。最新研究表明,原核生物类泛素化修饰与某些致病性细菌的致病性密切相关,弄清其作用机制可以为这些细菌所致疾病的治疗提供帮助。在原核生物类泛素化研究中,关键的步骤是找出PUP的底物蛋白质以及这些蛋白质上的可修饰位点。所以原核生物类泛素化位点识别成为解决该问题的起始关键步骤。用生物实验方法识别原核生物类泛素化位点投入大、耗时长,实验并不是总能够取得成功。因此通过计算方法对原核生物类泛素化位点进行预测成为实验研究的一个重要补充手段。目前已经有一些用于原核生物类泛素化位点预测的软件工具被开发出来,但是这些计算方法中普遍存在的正样本集规模小、负样本集不可靠、训练集不平衡以及特征提取方法单一等问题在很大程度上影响了程序的预测性能。因此综合多种序列特征并构建更加可靠的正负样本数均衡的大样本量训练集成为提升算法预测性能的重要努力方向。本研究中,我们提出了一种新的基于半监督学习策略的原核生物类泛素化位点预测算法。首先,采用6种特征提取方法对氨基酸序列进行特征提取,将原始的序列样本转化为对应的特征向量。然后,以提取到的特征向量为输入数据开发了一种基于K均值聚类的可靠训练集构建算法。在该算法中,我们利用K均值聚类从正样本集和无标记样本集中分别提取对应的高密度簇,运用合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)对提取到的正样本高密度簇进行扩增,以提高正样本数量。另一方面,运用间谍技术(Spy Technique)对提取到的无标记样本高密度簇进行提纯,从而提取可靠负样本集,上述步骤在提高正样本数量和负样本可靠性的同时调整正负样本数量比例,达到解决样本不均衡问题的目的,最终构建出可靠的均衡训练样本集。最后,以这个样本集为最终的训练集训练一个随机森林模型,将其作为最终的预测模型对待预测的位点进行识别。我们通过构建训练集和独立测试集对算法进行了实验,结果表明,本文提出的可靠训练集构建算法能够有效提升算法的预测性能,与其它预测算法相比较,本文所提的算法在多项性能指标上均有所提升,特别是在代表综合预测性能的准确性和马修斯相关系数上,性能提升更加明显。对比实验也同时表明,本文所提出的可靠训练集构建算法在解决原核生物类泛素化位点预测问题上较其它的类别不平衡问题解决方法更加有效。本文所提出的算法同样适用于其它类型的蛋白质翻译后修饰位点预测问题,特别是为小样本的翻译后修饰位点预测问题提供了一个解决方案。