蛋白质是生命活动必不可少的物质,在不同的生命过程中都发挥着不可替代的作用。由于多数蛋白质通过与离子配体结合来执行功能,所以蛋白质—离子配体结合残基的准确预测对于蛋白质功能的注释尤为重要。由于实验方法费时费力费钱,所以使用理论方法识别离子配体结合残基成为数学生物学的一个发展方向。因为多数蛋白质只有氨基酸序列信息,所以采用基于序列的理论预测方法识别离子配体结合残基更具有普遍性。本文主要研究内容如下:（1）我们构建了4种酸根离子配体(NO₂^-、CO₃^2-、SO₄^2-、PO₄^3-)的结合残基数据集。选取氨基酸、电荷信息、亲疏水特征、相对溶剂可及性以及二级结构作为基础特征参数。在最优窗口长下提取它们的（1）组分特征;（2）2L维位点保守性特征;（3）20维细化特征（10维离散增量值和10维矩阵打分值）。把这三种特征分别输入到k-近邻分类器中,使用最优k值对4种酸根离子配体的结合残基进行识别:5交叉检验结果表明,20维细化特征得到的预测结果最好。为了检验最优预测模型的实用性,我们进行了独立检验,得到了较好的预测结果;选取小组以前整理好的10种金属离子配体(Zn²⁺、Fe²⁺、Fe³⁺、Cu²⁺、Mn²⁺、Co²⁺、Ca²⁺、Mg²⁺、Na⁺、K⁺)的结合残基数据集,采用最优预测模型对其进行识别,得到了好的预测结果,进一步检验了最优预测模型的实用性。（2）选取上述14种离子配体的结合残基作为研究对象。引进二面角作为基础特征参数,对蛋白质链上氨基酸对应的phi/psi角进行统计分析,根据结合残基和非结合残基phi/psi角分布的差异对其进行分类,然后提取它们的组分特征和2L维位点保守性特征。此外,我们提出了新的特征参数提取方法——信息熵,用于提取电荷和亲疏水的信息。融合氨基酸、二级结构、相对溶剂可及性、二面角的组分特征和2L维位点保守性特征以及电荷和亲疏水的信息熵值作为优化特征,输入到随机森林算法中预测14种离子配体的结合残基,在5交叉检验和独立检验下均得到了好于前人的预测结果。通过组合phi角和psi角的分类,优化了每种离子配体结合残基的预测模型。