La fosforilación, una modificación post-traduccional reversible y generalizada de proteínas, es esencial para numerosos procesos celulares. Sin embargo, debido a limitaciones técnicas, la detección a gran escala de sitios de fosforilación, especialmente aquellos infectados por SARS-CoV-2, sigue siendo una tarea desafiante. Para abordar esta brecha, proponemos un método llamado GBMPhos, un nuevo método que combina redes neuronales convolucionales (CNN) para extraer características locales, mecanismos de compuerta para centrarse selectivamente en información relevante, y una unidad recurrente de compuerta bidireccional (Bi-GRU) para capturar dependencias a largo plazo dentro de las secuencias de proteínas. GBMPhos aprovecha un conjunto integral de características, incluyendo codificación de secuencias, propiedades fisicoquímicas e información estructural, para proporcionar un análisis en profundidad de los sitios de fosforilación. Realizamos una comparación extensa de GBMPhos con algoritmos de aprendizaje automático tradicionales y métodos de vanguardia. Los resultados experimentales demuestran la superioridad de GBMPhos sobre los métodos existentes. El análisis de visualización resalta aún más su efectividad y eficiencia. Además, hemos establecido una plataforma de servidor web gratuita para ayudar a los investigadores a explorar la fosforilación en infecciones por SARS-CoV-2. El código fuente de GBMPhos está disponible públicamente en GitHub.