蛋白质亚细胞定位的研究与阐述各种细胞过程的功能密切相关,对一些疾病机制和发展新型药物也有着重要的作用。传统的生物化学实验方法周期长、成本高,因此基于机器学习的蛋白质亚细胞定位预测成为了当前生物信息学的重要研究内容之一。目前,蛋白质亚细胞定位预测研究的关键部分是特征信息提取和分类算法模型构建,本文主要在特征信息提取上对蛋白质亚细胞定位预测展开研究,主要内容如下:(1)基于氨基酸指数的蛋白质序列信息提取及亚细胞定位预测。氨基酸的各种物理化学性质直接影响了蛋白质的功能与结构,利用氨基酸指数将蛋白序列转化成数值序列,提出了AAF算法在新的数值序列上提取特征信息,得到一个m+2维的特征向量,讨论参数m对实验结果的影响。相比于传统的ACF算法,AAF算法的预测准确率整体提高了10%左右。(2)基于Gapped k-mer的蛋白质序列信息提取及亚细胞定位预测。氨基酸组分信息是一种最简单的信息提取算法,但推广到多肽,却存在特征向量维数过大和预测效果不理想的问题。本文提出的基于Gapped k-mer的特征信息提取算法,利用氨基酸约化和在多肽中插入空格,不仅降低了维数,而且准确率也有所提高。将Gapped k-mer提取的信息与GO信息融合后,在Gneg1456数据集上的预测准确率达到了93.28%,相比已知最好的结果提高了2.48%。(3)基于位置特异性得分矩阵(PSSM)的蛋白质序列信息提取及亚细胞定位预测。利用PSI-BLAST比对蛋白质数据库得到的PSSM矩阵代表着蛋白质的进化和保守信息,为了提取其中的特征信息,本文提出了两种PSSM矩阵的转化处理,一种基于平均进化信息,一种基于位置相关性。在NNPSL数据集上的实验表明,两种处理在蛋白质亚细胞定位预测中都提高了准确率。