健康和公共卫生问题面临的威胁,需要寻找新的疾病治疗方法。治疗性多肽由于副作用小、可选择性多等优点,逐渐成为生物信息学的研究热点。目前基于生物序列和机器学习的方法是该领域研究和预测多肽序列结构和功能的重要手段,很多研究通过机器学习等方法提出了多肽预测模型。为了快速精准地预测治疗性多肽,本文从特征提取、分类算法、预测模型建立和数据集角度出发,利用机器学习研究治疗性多肽的预测方法。为解决不同特征空间产生的维度灾难以及空间冗余影响预测性能,基于多肽序列信息,提出了基于多源融合特征学习的预测模型。将多肽识别问题转化成图分类问题,利用多肽在结构层面所表现的差异性,提出了基于图卷积神经网络的多肽预测方法,开展治疗性多肽预测研究。为探索了多肽序列的可检测性问题,通过对多肽的可检测性进行验证分析,实现从蛋白质组学中对多肽进行检测,而后实现其功能分析。主要内容包括抗癌多肽特征提取、多源特征融合学习模型及预测研究、基于图卷积神经网络的抗癌多肽预测、多肽可检测性预测研究,具体包括以下几个方面:第一,本文首先介绍了基于机器学习的治疗性多肽预测模型框架,并对预测模型涉及到的分类算法进行了介绍,包括支持向量机、随机森林、人工神经网络和图卷积神经网络,这些分类算法是本文研究预测模型的基础,通过对比不同分类算法的不同应用场景及优缺点,本文有针对性的选择了几类分类算法来建立多肽预测模型。最后介绍了预测模型的性能评估方法和指标,为验证本文提出的模型效能提供了有效依据。第二,针对治疗性多肽的预测问题,本文首先研究了目前治疗性多肽数据库的现状,通过这些数据库,研究人员可以获得相关多肽的序列、理化性质等信息。为了有效的建立预测模型,需要事先对其特征进行提取,本文从序列、结构和关联性等角度提取样本数据的特征,具体涉及14种特征提取算法,结合多肽数据库提供的信息和多角度多肽特征提取,为后续多肽的治疗性预测和研究提供了重要的数据基础。第三,在治疗性多肽预测研究领域,目前较为流行的是采用机器学习的方法,为有效的将治疗性多肽从多肽中识别出来,本文提出了多源特征融合学习方法,通过多角度的特征提取和特征融合优化,建立预测模型ACPred-Fuse,这个模型通过融合29种不同的基于序列的特征预测方式,获得多肽的类别和概率信息,然后对不同角度的特征表示进行优化,形成一个最优的特征表示组合,最后用这个特征表示组合来训练优化预测模型。在分类算法选择方面,选择了随机森林算法作为模型的分类算法。模型的构造分成特征提取、特征表示学习与优化及融合特征学习和特征表示优化三步。通过与已有预测模型的对比性能分析,显示本文提出的ACPred-Fuse方法对抗癌多肽具有更好的预测效果。第四,针对ACPred-Fuse模型,需要首先对多肽特征进行提取,然后通过这些特征表示来进行模型训练,特征提取和特征池的建立相对复杂,对于大规模数据适应性较差,为克服特征提取复杂问题,本文提出了基于图卷积神经网络的预测模型。第一次将多肽预测问题转化成图分类问题,该方法的主要思路为:首先提取多肽的数据集合及其氨基酸序列数据,然后使用独热编码来对多肽的特征进行表示,接着计算每个样本距离,建立邻接矩阵,从而构造多肽和氨基酸图,再使用图卷积神经网络来训练数据集,最小化损失后得到分类结果和不同的评价指标,最后使用交叉熵损失函数来优化分类结果。实验通过在独立的测试数据集上开展十字交叉验证,结果显示,图卷积神经网络的多肽预测模型具有更好的预测性能。第五,在多肽预测研究领域中,多肽可检测性是重要的研究点之一,为了克服已有方法过度依赖经验数据的缺陷,本文提出了用于预测多肽可检测性的基于孪生神经网络的Pep Former方法。这种方法只需要通过对多肽的序列进行预测,而不需要掌握多肽的理化性质以及其他已有的数据结果,通过使用基于转换器和门循环单位的架构,多肽自动学习上下文敏感的嵌入表示,从而充分捕获全局和局部信息来表示多肽的可检测性。本文提出的模型引入了一种新的损失函数,有效的提高了模型的泛化能力。通过实验对比,本文提出的Pep Former在预测的准确性和泛化能力上有更好的性能,更重要的是这种方法可以自动学习和探索序列中的非歧视信息,而不需要任何先验知识和手工特征工程的帮助。