本發(fā)明公開了一種基于信息融合和深度學(xué)習(xí)的原核生物乙?；稽c(diǎn)預(yù)測方法，涉及生物信息技術(shù)領(lǐng)域。所述預(yù)測方法引入多信息融合，從序列信息、物理化學(xué)信息、進(jìn)化信息多方面對蛋白質(zhì)序列進(jìn)行特征編碼，充分反映乙?；稽c(diǎn)與非乙?；稽c(diǎn)蛋白質(zhì)序列之間的差異性。Group Lasso對原始特診空間進(jìn)行篩選和優(yōu)化，保留識別乙酰化位點(diǎn)模型的重要特征，得到最佳特征子集，提高模型計(jì)算速度和質(zhì)量。深度神經(jīng)網(wǎng)絡(luò)通過層級學(xué)習(xí)最優(yōu)特征子集生成具有判別力的特征，有效區(qū)分蛋白質(zhì)序列中的乙?；稽c(diǎn)和非乙?；稽c(diǎn)，同時(shí)節(jié)約計(jì)算時(shí)間并且避免其它成本和相關(guān)限制，不僅能夠幫助深入了解乙酰化分子機(jī)制，而且能為進(jìn)行乙?；稽c(diǎn)識別相關(guān)實(shí)驗(yàn)驗(yàn)證提供有價(jià)值的參考信息。