益生菌因其对宿主产生有益的影响广受消费者的青睐,包括调节宿主的免疫功能和调节肠道菌群等。尽管有部分益生菌菌株已被广泛的使用,但对于更多潜在的益生菌菌株筛选仍不够精准。由于在传统益生菌的开发过程中往往需要较长的实验周期和复杂的实验验证。因此,利用生物信息学方法通过大数据技术快速筛选有效的益生菌并建立可视化预测平台是非常有必要的,本研究首次将机器学习方法应用于益生菌分子标记的挖掘和预测筛选平台的构建。首先,我们选用239株益生菌与412株非益生菌菌株,以全基因组序列的K-mer（2-8-mer）标记为特征,经过特征选择算法F-score和增量特征选择（IFS）技术筛选出了全部菌株基因组中的184个核心特征。使用机器学习支持向量机（SVM）方法构建益生菌预测模型,在10折交叉验证过程中预测准确率达到97.77%,证明了核心K-mer·特征可以作为筛选益生菌基因组潜在的分子标记。进一步,核心特征关联基因的功能注释表明益生效果不是单一基因决定的,而是基因组分子间系统和网络化的协同合作,共标记出239株益生菌中共有的60个核心功能Role。最后,我们从益生菌肠道定植、碳水化合物代谢、抗药性、毒力因子等特性方面再次验证了上述预测模型的可信性。随后,通过提取核心特征中的53个K-mer,我们进一步构建了针对乳杆菌、双歧杆菌及其它益生菌的益生菌分类预测模型,经检测独立测试集预测结果与系统发生进化关系分析验证结果一致,进一步证明核心K-mer在益生菌基因组精准分类筛选中具有稳定的预测性能。最后,我们建立了在线益生菌可视化筛选预测平台iProbiotics,预测平台包含益生菌全基因组序列、分子标记及相关基因、Blast搜索、在线预测模型等工具,为从事益生菌研究的科研人员提供专业的生物信息学服务及参考依据。