Nghiên cứu này tập trung vào việc ứng dụng các phương pháp học máy để xây dựng mô hình dự đoán vị trí ubiquitination trên protein. Ubiquitination là một quá trình điều chỉnh sinh học quan trọng, liên quan đến nhiều bệnh lý, do đó việc dự đoán chính xác các vị trí này có ý nghĩa lớn trong nghiên cứu y sinh. Luận văn tiến hành khảo sát và đánh giá hiệu quả của một số thuật toán học máy phổ biến như Random Forest, Support Vector Machine (SVM) và mạng nơ-ron nhân tạo trên bộ dữ liệu protein đã được chuẩn hóa. Các đặc trưng sinh học và hóa học của protein được trích xuất và sử dụng làm đầu vào cho mô hình. Kết quả thực nghiệm cho thấy mô hình dựa trên Random Forest đạt độ chính xác và độ nhạy cao nhất, vượt trội so với các phương pháp còn lại. Nghiên cứu đã chứng minh tính khả thi của việc áp dụng học máy vào bài toán dự đoán vị trí ubiquitination, mở ra hướng tiếp cận hiệu quả cho việc phát triển các công cụ tin sinh học hỗ trợ chẩn đoán và điều trị bệnh.