固有无序连接肽是普遍存在的具有重要意义的功能类别。固有无序连接肽位于固有无序区域,在结构域、结构域的结构单元之间充当连接因子,该功能类别促进基于固有无序的变构调节过程。据估计:有数千种蛋白质包含固有无序连接肽,而通过实验注释获得的含固有无序连接肽的蛋白质种类不足两百种。因固有无序连接肽的灵活性,实验方法不易测定该功能。此外,实验需要耗费大量的人力物力财力。故我们试图通过借助计算方法构建较为精确的预测模型来改善固有无序连接肽实验注释信息较少这一现状。DFLpred是目前唯一的专门针对固有无序连接肽预测所构建的方法,该方法旨在牺牲一部分准确性而构建快速预测固有无序连接肽的模型,故该方法舍弃了与预测相关但时间成本高的特征。此外,该方法仅考虑了基于滑动窗口的局部特征信息而未考虑序基于蛋白质序列的全局信息。我们构建了第一个高准确度的预测固有无序连接肽的模型APOD（Accurate Predictor Of DFLs）。我们同时使用了蛋白质局部信息和蛋白质全局信息来量化序列无序性、序列组成成分、序列保守性和结构信息。通过使用一组更可靠、更全面的蛋白质数据和一组最优参数下的分类算法——支持向量机,我们发现:所有考虑的输入特征（包含蛋白质全局特征）均对我们模型的预测性能产生正面促进作用。与预测速度更快的DFLpred方法相比,APOD方法可以提供更为准确的预测结果。在独立测试集TE82上,APOD方法的AUC值高达0.82、MCC值高达0.42,比DFLpred的AUC值、MCC值分别提高了28%、180%。这些计算出来的指标值告诉我们:APOD是准确预测固有无序连接肽和小规模测试的合适选择。本文为APOD方法搭建了在线网络服务平台:https://yanglab.nankai.edu.cn/APOD,用户将FASTA格式的蛋白质和自己的邮箱提交至对应表单,结果将在运行完成后自动通过邮箱发送给用户。