近年来,以N~6-甲基腺嘌呤（N~6-methyladenosine,m~6A）为主的RNA修饰在大量研究中被证明是生物体基因转录后调控的关键因子。目前基于二代测序的检测方法都仍存在局限,如:基于抗体的m~6A-seq（或称为Me RIP-seq）只有100至200碱基的分辨率,通过RNA抗体交联（基于CLIP的方法）或酶促修饰（如DART-seq）的方法只能间接推断修饰位点,利用内切核酸酶的方法（如m~6A-REF-seq或MAZTER-seq）只能检测到符合其模体的部分。纳米孔直接RNA测序可记录RNA分子的电流信号,从而能够利用机器学习检测RNA修饰。然而,目前用于从直接RNA测序中检测m~6A修饰的方法依旧无法与基于二代测序检测RNA修饰的方法保持一致。本论文基于机器学习方法,在直接RNA测序数据上构建了一个单碱基精度m~6A修饰检测模型CatMOD,并利用CatMOD在六倍体中国春（Chinese Spring,CS）小麦上展开应用研究。具体研究结果如下:CatMOD模型构建与特征分析基于直接RNA测序和Me RIP-seq构建高精度m~6A修饰数据集。集成基因组序列特征、测序碱基质量特征、序列比对特征和电流信号特征,利用基于决策树的模型CatBoost开发了单碱基精度m~6A修饰检测方法CatMOD。进一步特征重要性分析发现,不同类型之间的特征通过相互作用的方式提高了模型的m~6A修饰检测效力,CatMOD模型捕捉到了m~6A修饰在直接RNA测序数据各个层级上的标记。小麦全基因组m~6A修饰位点的分析将CatMOD应用于六倍体中国春小麦直接RNA测序数据,在全基因组范围内检测到92054个m~6A修饰位点,进一步分析发现终止密码子和多聚腺苷酸化信号直接参与RRACH模体的构成,同时m~6A修饰在靠近翻译起始位点的5’UTR区域、终止密码子附近、3’UTR区域、以及LINE转座子的3’末端都有特异性富集。进一步分析m~6A修饰与基因拷贝数关系发现,m~6A修饰倾向于发生在多拷贝基因中,但在小麦三联体（Triad）中未发现明显的修饰偏好。综上所述,本论文开发了一款基于机器学习的单碱基精度RNA修饰检测方法CatMOD,并在异源六倍体小麦上展开了应用研究,为直接RNA测序数据的单碱基分辨率RNA修饰的生物学功能研究提供了新软件。CatMOD的代码和使用说明可从https://github.com/CatMOD/CatMOD获取。