膜蛋白在现代医学中起着至关重要的作用。最近研究表明,一些胞外域脱落的膜蛋白可以作为疾病的潜在药物靶标和生物标志物。然而,目前能够预测膜蛋白胞外域脱落的有效工具仍然较少,因此,有必要开发能够高效地预测膜蛋白胞外域脱落的工具。本文首先使用传统机器学习技术,提出了一个基于支持向量机(support vector machine,SVM)的模型来预测膜蛋白胞外域脱落。为了确保性能比较的公平性,本文使用已有研究中的数据集,并且对数据集中的每个蛋白质使用不同的工具计算蛋白质的属性特征,进而对于每个蛋白质可以得到由1523维特征元素组成的34种特征。然后,使用两阶段特征选择算法剔除不相关和冗余的特征元素,进而选择更多相关的特征元素。在第一阶段中,使用改进的最小冗余最大相关(minimum redundancy maximum relevance,mRMR)特征选择算法剔除不相关和冗余的特征元素;在第二阶段中,使用支持向量机递归特征消除(support vector machine-recursive feature elimination,SVM-RFE)算法对第一阶段得到的特征元素进行进一步排序。最后,选择前127个特征元素,并使用这些特征元素训练支持向量机分类器。通过实验,基于支持向量机的模型可以达到78.10%的准确性、75.26%的敏感性和80.95%的特异性,而已有模型的三项指标分别为71%、75%和67%。此外,对于两个独立的正测试集,基于支持向量机的模型的敏感性分别为89.47%和83.98%,而已有模型的敏感性分别为73.68%和65.80%。实验结果验证了本文提出的基于支持向量机的模型对于膜蛋白胞外域脱落的预测性能要高于已有模型。同时,本文还进一步使用双向长短期记忆网络(bidirectional long short-term memory networks,Bi-LSTM)和注意力机制构建了一个基于深度学习的模型来预测膜蛋白的胞外域脱落情况。首先,对于每一个蛋白质序列使用基于位置特异性迭代的基本局部比对搜索工具(position-specific iterated basic local alignment search tool,PSI-BLAST)在Uniref50数据集上进行比对分析,并从这些蛋白质的原始序列中得到位置特异性打分矩阵(position-specific scoring matrix,PSSM)。然后,使用含有记忆单元的双向长短期记忆网络来获取蛋白质序列远距离的关系,使用注意力机制获取蛋白质序列中的分类信号。在模型的训练过程中,使用Dropout、L2正则化和Bagging集成学习技术降低模型训练中过拟合的程度。通过实验,基于深度学习的模型的预测性能分别可以达到81.19%的准确性、77.32%的敏感性和85.04%的特异性,其预测性能要高于已有的预测模型和基于支持向量机的预测模型。此外,在测试集中使用本文提出的基于深度学习的预测模型,其准确性、敏感性和特异性分别可以达到83.14%、84.08%和81.63%,而已有模型的准确性、敏感性和特异性分别为70.20%、71.97%和67.35%。因此,本文认为,本文提出的基于深度学习的模型可以作为更为准确地预测膜蛋白胞外域脱落的模型。