La modificación de pseudouridina en ARN existe en diferentes tipos de ARN de muchas especies y tiene un papel significativo en la regulación de la expresión de procesos biológicos. Para comprender los mecanismos funcionales de los sitios de pseudouridina en ARN, es esencial la identificación precisa de los sitios de pseudouridina en las secuencias de ARN. Aunque se han propuesto varios métodos computacionales rápidos y económicos, el desafío de mejorar la precisión del reconocimiento y la generalización aún persiste. Este estudio propuso un nuevo predictor de conjunto llamado PseUpred-ELPSO para mejorar la predicción de sitios de pseudouridina en ARN. Después de analizar las preferencias de composición de nucleótidos entre las secuencias de sitios de pseudouridina en ARN, se determinaron dos representaciones de características que se alimentaron en el marco de ensamblaje por apilamiento. Luego, utilizando cinco clasificadores de aprendizaje automático basados en árboles como clasificadores base, se construyeron perfiles de ARN de 30 dimensiones para representar las secuencias de ARN, y utilizando el algoritmo PSO, se buscaron los pesos de los perfiles de ARN para mejorar aún más la representación. Se utilizó un clasificador de regresión logística como meta-clasificador para completar las predicciones finales. En comparación con los predictores más avanzados, el rendimiento de PseUpred-ELPSO es superior tanto en la validación cruzada como en la prueba independiente. Basado en el predictor PseUpred-ELPSO, se ha establecido un servidor web gratuito y fácil de operar, que será una herramienta poderosa para la identificación de sitios de pseudouridina.