近年来随着生物学研究的不断深入,表位预测成为研究的热点问题。体液免疫应答是由机体受到外界刺激后,自身机体分泌抗原,刺激B细胞产生的。免疫过程中,表位发挥了重要了作用。B细胞表位是抗原中能被B细胞抗原受体识别并与之发生反应的片段。采用实验方法进行B表位预测可以获得较为准确的结果,但是花费时间长,消耗人力、物力,财力的成本都很高。因此,利用计算机进行B细胞表位预测的方法以其低成本、高速度的特点得到了广泛的应用。为了提高表位预测效果,本文以IEDB数据库表位数据为研究对象,提出了基于LSTM网络的多源信息表位预测模型,并选取氨基酸三种不同的特征信息来源,进行表位预测。通过使用提出的预测模型对两个数据集进行分析,能够挖掘表位和非表位的差异特征,并以此作为疫苗研制的理论基础和依据。论文主要工作包括。(1)提出了多源特征信息提取方法。该方法对源于B细胞表位片段的三种特征信息进行数字化表示,并分别分析了这三种特征对表位预测的影响,及其对抗原表位正负样本的区分能力,表明了选取特征信息的有效性。(2)提出了基于LSTM网络的多源信息B细胞表位预测模型。该模型首先对获取的三种数字化特征信息进行归并,再利用主成分分析方法进行降维融合,构建了基于LSTM网络的预测模型。并在两个数据集上,对支持向量机、循环神经网络和LSTM网络等三种预测模型进行对比实验研究。结果表明提出的预测模型融合了多种表位特征,增大了特征中的信息量,同时使用降维方法减少了特征中的冗余信息,提高了预测模型的准确率。(3)将本文提出的LSTM预测模型对已标记表位的朊病毒蛋白序列PRNP进行预测研究,并把预测结果与已标记表位进行对比分析,进一步说明了提出模型的预测性能。