DNAN4－胞嘧啶甲基化（N4 methyl cytosine，4mc）是一种重要的表观遗传修饰，可在基因表达、细胞修复、DNA复制和保护中发挥作用。在机器学习算法预测4mc基因座的一个重要环节是特征提取。为了更充分地提取数据特征，进一步提高4mc基因座的预测精度，提出了一种基于双层卷积神经网络的4mc基因座预测模型。首先对序列数据进行特征编码，建立双卷积层和双池层卷积神经网络模型。采用L2范式正则化来避免模型的过度拟合，并采用10次交叉验证来保证模型预测的稳定性。其次，对模型参数进行调试，选择预测能力强的参数组合进行模型训练。最后，将该模型的4mc轨迹预测能力与现有的几种算法进行了比较。结果表明，双层卷积神经网络模型具有较好的预测性能和鲁棒性，优于基于通用机器学习和单层卷积神经网络的4mc站点预测算法，有效地提高了4mc站点的预测能力。