我们在研究中发现,蛋白质与配体之间的相互作用是无处不在的,并且在各种各样的生命活动中扮演着重要的角色。ATP是一种广泛存在的核苷酸,它为细胞活动提供能量,而且具有催化化学反应和参与细胞信号传导的作用。因此准确地定位蛋白质-ATP绑定位点对研究于蛋白质的功能和药物设计有着十分重要的意义。特征选择是从原始数据中删除不相关和冗余特征的重要步骤,它能减轻维数灾难,减少存储空间和时间复杂度,并且能够建立一个具有良好泛化能力的紧凑型数据。在预测实验中,我们运用了无监督的正则化自表示特征选择方法,即每个特征都能被表示成与它相关特征的线性集合。如果一个特征能够参与表示大多数的其它特征,那么这个特征就是重要的。我们把PSSM矩阵、蛋白质二级结构、二面角、溶剂可及性和残基保守得分作为输入特征。输出结果是按每个特征的权值的排序。将这部分特征输入到libsvm分类器中,得到训练模型。为验证本方法的预测效果,用独立测试集进行检验,实验证明把无监督的特征选择方法运用到识别蛋白质-ATP结合位点中可以得到较好的预测结果。