蛋白翻译后修饰通过共价键添加功能组或者蛋白质本身增加了蛋白质组的功能多样性，以及调节亚基的蛋白水解或者整个蛋白质的水解。这些修饰影响普通的细胞生物学和病理学几乎所有方面。因此识别和理解蛋白质翻译后修饰在细胞生物学以及疾病治疗和预防方面是必要的。在过去的数十年中，随着蛋白质组学技术的高速发展，导致大量的蛋白序列数据产生，这大大加速了蛋白翻译后修饰的深入研究。虽然高通量的实验技术在蛋白翻译后修饰识别和分析上取得了巨大的成果，但是这种途径要求繁重和昂贵的劳动，并且对于结构与功能之间的关系理解也不能令人满意。因此，发展可靠且高效的理论计算方法预测和分析蛋白翻译后修饰具有十分重要的意义。在我们的工作中，我们不仅对修饰位点邻近序列的生化环境，结构和保守性进行了剖析，也对修饰底物的功能和相互作用网络进行了剖析。基于统计分析结果结合机器学习方法构建翻译后修饰的预测模型并对修饰相关疾病进行研究。主要工作总结如下：1.为了解决当前泛素化修饰预测方法的限制，我们发展了一个新的工具UbiProber，工具特别设计了预测一般和物种特异性的泛素化位点的功能。来自多个物种的大量实验泛素化数据被搜集从几个数据库资源，利用这些数据训练了不同物种的泛素化预测模型。从训练数据中三个特征集包括k最近邻打分特征，物理化学属性特征和氨基酸组成特征被提取，结合使用支持向量机进行模型构建和预测。k最近邻打分特征能捕获修饰位点泛素化由相同酶或者酶家族催化的局部序列相似性无论是否知晓哪种酶催化发生泛素化。物理化学属性特征和氨基酸组成特征反映了泛素化位点周边区域的生物化学环境，这些区域在蛋白泛素化的结构和功能上起到不同的作用。此外，为了提取有意义的信息来进一步提高预测器的准确率，信息增益方法被首次用于选择泛素化序列中关键的氨基酸残基和位置去优化特征集。此外，我们讨论了不同物种间泛素化修饰的关系。我们的分析展示：（i）在不同物种间泛素化的序列模式是保守的；（ii）关键位置和关键氨基酸残基特征的优选对于提高泛素化修饰位点预测性能是必要的；（iii）在位点周边的残基的物理化学属性对泛素化过程的发生是重要的。最终，在.Net4.0框架下构建的UbiProber的软件系统和网络服务都被免费应用在http://bioinfo.ncu.edu.cn/UbiProber.aspx。2.我们提出了一个新的计算工具称作PupPred，它是通过使用最新构建的一个原核生物蛋白类泛素化的数据库PupDB的数据被构建的用于预测原核生物蛋白类泛素化位点。PupDB数据库有182条原核类泛素化蛋白包含215个已知的位点。在这项工作中，在通过对大量的特征编码进行初步评估后，我们发现氨基酸对组成是非常适合用于原核类泛素化位点周边序列环境的提取。通过使用这个特征且基于更多的训练数据，PupPred完成了一个高灵敏度且高特异度的平衡的预测性能。当使用相同的测试集时我们的工具性能远远超过了GPS-based的预测器。更重要的是原核生物类泛素化位点周边的序列，结构和进化特点被展示。在此之前我们为真核生物的泛素化修饰位点预测发展了UbiProber工具。由于原核类泛素化和真核泛素化在细胞中功能类似，所以我们试图用UbiProber预测原核类泛素化位点。不幸的是我们获得了比较差的预测结果，这或许部分是由于原核类泛素化和真核泛素化之间的序列功能和特点的差异。所以我们系统的比较了两种修饰在序列环境和保守性特点的差异，也分析了他们各自的GO条目富集。总之，这些系统分析和预测可以使我们更好的理解原核类泛素化的过程和功能。PupPred工具被免费应用在：http://bioinfo.ncu.edu.cn/PupPred.aspx。3.为了有效地加速高度复杂地亚细胞磷酸化蛋白质组学的发展，一个集成的平台包含实验数据的查询和未知数据的注释是高度需要的。在这项工作中，我们发展了一个平台提供一个可搜索的在线数据库和一个计算工具去有效且可靠地为进一步的实验研究积累亚细胞磷酸化蛋白质组。在我们的工作中，我们报告了一个到目前为止在人类细胞中最彻底的亚细胞磷酸化蛋白质组特征描述。起初，人类可靠的实验磷酸化蛋白质组学数据以及它们的亚细胞定位信息被从几个数据库资源中搜集，利用它们去剖析亚细胞磷酸化蛋白质组。我们不仅仅发现大多数的磷酸化蛋白是唯一定位于特定的亚细胞中，也展示了磷酸化蛋白在亚细胞中的分布是有区间特异性的。功能富集分析和蛋白与蛋白相互作用网络分析表明亚细胞的磷酸化信号通路有高度的专一性。此外，大的数据集允许我们去勾画相对于一般磷酸化蛋白质组的特定类型磷酸化序列模体，我们展示特定亚细胞存在特定序列模体。总而言之，我们的观察突出强调了区间特异性的磷酸化信号通路，这也强调了在生理学上相关的亚细胞分类磷酸化蛋白的重要性。随后，我们发展了一个生物信息学工具称作SubPhosPred，它结合一个新的离散小波变换算法和支持向量机途径去识别在人类不同亚细胞的磷酸化位点。一个创新点小波变换被首次用于特征编码去预测翻译后修饰位点预测。交叉验证测试展示DWT算法能为每个亚细胞提高预测的性能从而获得令人鼓舞的预测结果。对于SubPhosPred工具我们已经训练了8个亚细胞磷酸化预测模型包括细胞膜，细胞质，细胞核，线粒体，高尔基体，内质网，分泌蛋白以及溶酶体。最终这个平台集成SubPhosDB数据库和SubPhosPred预测器为学术研究被免费地应用在http://bioinfo.ncu.edu.cn/SubPhos.aspx。