近年来,由于RNA的三维结构数据增长较为缓慢,人们对RNA的生物功能机制无法得到进一步了解,并且也影响了靶向RNA的小分子药物的研发。因此,急需开发优秀的计算方法来预测RNA三维结构。但是目前,RNA的三维结构预测仍是一个巨大的挑战。因此,鉴于蛋白质三维结构预测领域的研究,本文首先利用已有的三维结构数据专注于RNA的三维结构特征与功能预测。本文主要开发了两个RNA结构特征预测算法和一个RNA功能预测算法。对于RNA结构特征预测,基于深度学习算法,本文分别开发了一个新的RNA溶剂可及面积预测法RNAsol和一个新的RNA核苷酸接触图预测方法RNAcontact。对于RNA功能预测,本文开发了一个新的RNA小分子配体预测算法RNALigands。首先,本文的RNA溶剂可及面积预测方法RNAsol是一个基于长短时记忆神经网络的深度学习预测模型。本方法利用改进的多重序列比对构建了RNA的位置特异性矩阵,并添加了相应核苷酸的背景频率来表征RNA。测试表明,RNAsol在蛋白质结合的RNA和无蛋白质结合的RNA的数据集上的预测精度达到了0.43和0.26,相比此前唯一方法高出26.5%和136.4%。当训练集扩大到包括两种类型的RNA时,蛋白质结合的RNA和无蛋白质结合的RNA的预测精度分别增加到0.49和0.46。RNAsol的精确度的提升主要归因于两个方面,包括改进的RNA位置特异性矩阵和长短时记忆神经网络的构建与优化。其次,本文的RNA核苷酸接触图预测方法RNAcontact是一个基于残差神经网络的深度学习预测模型。本方法是首个根据多重序列比对构建了RNA的协方差特征,然后将RNA二级结构与之合并作为神经网络的输入特征。实验表明,在独立测试集上,RNAcontact在top L/10和top L（其中L是RNA的长度）的预测精度分别达到了0.8和0.6,远高于其他基于协同进化的方法。经分析表明,大约有1/3正确预测的核苷酸接触不是二级结构意义上的碱基配对的,这对确定RNA三维结构至关重要。此外,本文证明了预测的核苷酸接触可用作距离约束,以指导RNA三维结构建模。测试表明,与不使用核苷酸接触的模型相比,使用预测的核苷酸接触可以建立更准确的RNA三维结构模型。最后,本文的RNA小分子配体预测算法RNALigands是一个数据库搜索算法。首先,本方法建立了第一个RNA motif和小分子配体互作用数据库。然后,本文提出了motif提取算法和motif比对算法。基于这些,本文开发了RNA小分子配体的搜索预测算法。该预测算法以输入的RNA序列为基础,预测其二级结构并提取motif,随后通过motif比对算法在数据库中搜索相似的motif,进而得到潜在的输入RNA的小分子配体。本文通过测试α-突触核蛋白m RNA的5’UTR序列并找到潜在的小分子配体证明了算法的实用性。