GDP（二磷酸鸟苷）和GTP（三磷酸鸟苷）是核苷酸的一种,参与了生物中大部分生物化学反应,在DNA复制与转录、跨膜运输、肌肉收缩以及多种代谢过程中都发挥着不可替代的作用。在大多数生物细胞活动中,都需要蛋白质与核苷酸互相结合来发挥其作用。蛋白质-核苷酸结合位点的识别不仅有助于探索分子间相互作用的机制,而且有助于有效地解释疾病的发病机制,为药物的发现和设计提供帮助。传统的研究通常是使用生物学实验预测蛋白质-核苷酸结合位点。实验方法往往成本高、耗时、难以推广使用。因此,使用基于计算的方法进行蛋白质结合位点的研究就显得尤为重要。同时蛋白质序列中核苷酸结合位点的预测是不平衡二分类问题,因为蛋白质序列中GDP和GTP非结合残基的数量远多于结合残基的数量。故需要使用采样方法来解决该问题。本文关于蛋白质-GDP/GTP结合位点的预测研究主要工作如下:（1）蛋白质的特征提取。针对蛋白质序列信息,使用位置特异性迭代搜索算法提取基于氨基酸残基进化的特征信息,通过基于镜像残基的可变滑动窗口方法选取以每个残基为中心的邻域残基的特征组合。（2）研究了基于CNMW（Clustering Near Miss-2 Weighted）下采样和邻域清理下采样两种采样方法。基于CNMW下采样对多数类样本进行K聚类得到K个类簇,按照Near Miss-2距离为各个簇赋予相应的权重,即多数类样本所具有的第一个权重。然后从样本全局考虑,利用最近邻的思想对样本集中的每一个样本赋予权重,即样本所具有的第二个权重,此时样本集中每个多数类样本有两个不同的权重,将每个多数类样本对应的两个权重相乘得到一个新的权重,把新的权重从大到小排序,然后按照此顺序选取和少数类样本一样多的多数类样本,并和少数类样本组成新的数据集。邻域清理下采样对数据集中的每一个数据样本,挑选出其三个最近邻样本组成一个集合M,对于非结合位点样本p,若M中至少两个是结合位点样本,则移除p;对于结合位点样本q,若M中有两个以上非结合位点样本,则移除M中的非结合位点样本。（3）提出了两种蛋白质-GDP和蛋白质-GTP结合位点的预测模型。将邻域清理下采样和SVM组合成NCL＿S预测模型,基于CNMW＿S下采样和SVM组合成CNMW＿S预测模型。在标准数据集上,先对蛋白质-GDP/GTP结合位点做五重交叉验证实验,然后使用独立测试集对模型进行测试实验,检验CNMW＿S和NCL＿S两种模型的预测性能。实验结果表明,两种预测模型都在一定程度上提升了预测性能。