自人类全基因组计划以来，对转录因子以及其结合位点的研究成为人类探索生命本质的重要课题。转录因子只有在与特定的结合位点结合之后才具有调控基因表达的功能。所以，准确识别出转录因子结合位点的位置成为遗传学的核心内容之一。2010年，Crawford提出的DNase-seq技术可以实现单次实验即可检测出全基因组范围内的蛋白结合位点。DNase-seq技术相比于目前广泛使用的ChIP-seq技术、ATAC-seq，表现出了诸多的优势，在提高检测效率和检测精度的同时，大幅降低了检测成本。　　在本课题研究中，首先在网站上获取到DNase-seq数据以及转录因子的有关数据。然后，利用FIMO工具得到确切的转录因子结合位点，提取整理每个结合位点的DNase-seq数据并构建数据集。随后，根据DNase-seq数据特点选择并构建了基于自动编码器神经网络的转录因子结合位点识别模型。接着，从转录因子结合位点的典型性和测序深度两个方面对所构建模型的识别结果进行分析，从而确定使用该识别模型所需的条件。最后，考虑到数据集的大小存在着不平衡的因素，我们选用指标灵敏度、特异性以及马修相关系数等指标来对所构建模型的识别能力进行评价，既衡量了分类器对正例的识别能力，又衡量了分类器对反例的识别能力，同时也验证了模型的可靠性。　　通过对识别模型结果的评估，所设计模型能够有效地实现基于DNase-seq数据的转录因子结合位点的识别，并为构建在全基因组范围内的转录因子调控网络打下了基础。