蛋白质在亚细胞中的位置与其功能有着密切的关系,这使蛋白质亚细胞定位成为生物学中的一个研究热点。随着海量生物数据的发现,传统生物实验不能满足要求,计算机的高效率帮助生物学家省时、省力,使其成为蛋白质亚细胞位置预测的重要工具。本文主要工作是提出两种局部特征表达和利用全局统计降维算法分析蛋白质数据的影响,主要包括以下三个方面。一、提出一种局部特征表达PSSM-SAA,然后与全局统计降维算法LDA相结合平衡提取的信息。PSSM-SAA基于PSSM分段分布得来,该方法首先在PSSM矩阵中利用分段思想将蛋白质序列分割成长度不等的子序列,然后提取各个子段中氨基酸的分布密度,最后PSSM-SAA使每一条蛋白质序列都可以被表示成一个1600维的特征向量。PSSM-SAA包含了蛋白质局部进化过程中各个氨基酸分布的差异性。为了减少数据冗余,使用了保留全局信息的线性判别分析(linear discriminant analysis,LDA)对 PSSM-SAA 进行数据降维。PSSM-SAA 与 LDA 相结合成一个蛋白质亚细胞定位的预测模型,这样平衡了特征表达中的局部信息与数据降维中的全局信息。实验表明经过PSSM-SAA提取的蛋白质序列局部信息,使用LDA可以对其全面、有效地降维,从而证明PSSM-SAA方法与LDA算法相结合的模型性能良好。二、在蛋白质亚细胞定位中,一般都是简单的使用降维算法来减少数据冗余,有关于降维算法对蛋白质数据影响的研究相对较少。本文针对这个问题,引入了两种针对人脸数据存在离群值、某类中心偏离问题所提出的降维算法:中值线性判别分析(median Linear discriminant Analysis,MDA)和基于中值均值线的判别分析(median-mean line based discriminant analysis,MMLDA),将它们与经典的 LDA算法作对比。实验表明MDA,MMLDA相较于LDA的结果并没有更好,可能是由于在细菌蛋白质数据中,离群值、某类中心偏离其他类中心这类问题表现的不明显。在这类数据中,我们使用经典的LDA就可以取得较好的效果,从而进一步证实PSSM-SAA方法与LDA算法相结合的模型是有效可行的。三、本文还尝试一种包含二级结构预测信息的局部特征表达方法来预测蛋白质亚细胞位置,该方法是通过Chou-Fasman方法预测蛋白质序列中各肽段的二级结构类型得到的。实验表明这种想法还是有很大的探索空间和可能性。