预测RNA结合蛋白(RBP)的结合位点对于理解RNA结合蛋白如何在基因调控中发挥作用起至关重要的作用。近年来,随着高通量实验数据的大量积累和深度学习的快速发展,深度学习方法在RBP结合位点预测领域上的应用越来越广泛。通过深度学习模型可以在海量的生物数据中挖掘隐藏的模式,与传统实验方法相比,具有低消耗、高速度、高鲁棒性的优势。研究实验证明,深度学习方法已经取得了显著的性能,并且在逐步完善。本文总结了常用的RNA-蛋白质结合位点数据库,介绍了RNA序列的编码方法及经典的深度学习模型,主要回顾了近年来深度学习在RBP结合位点预测领域上的成功应用,然后进一步总结了RBP绑定模体挖掘方法。最后讨论了目前深度学习方法在RBP结合位点预测的应用上的局限性与潜力以及潜在的改进方向。