随着植物长非编码RNA研究的深入，部分lncRNA（长非编码RNA）被发现能通过小开放阅读框（smORFs）翻译功能性小肽，这些小肽在植物生长、发育和逆境应答中发挥重要作用。本文主要比较了现有用于植物可翻译 lncRNA识别的计算方法的差异与优势，包括基于序列特征、机器学习模型和多源数据融合的预测方法。通过对不同计算方法的评估，本文总结了它们在准确率、灵敏度、特异性等方面的优缺点，并提出了未来可能的改进方向，如深度学习的应用和多组学数据的结合。