蛋白质要参与正常的生命活动，必须处于特定的细胞内区域(如细胞核、线粒体、细胞质等)；其实验定位方法大致有以下三种：(1)细胞分馏法；(2)电子显微法；(3)荧光显微法等。这些实验方法不但费时，其难度也很大。基于机器学习理论的计算方法具有快速、自动的优点，尤其适用于高通量分析大规模基因序列数据，因此基于机器学习的预测方法在近年得到了快速的发展。本文提出了一种蛋白质亚细胞定位的新预测算法LOCSVMPSI。该算法基于支持向量机和由PSI-BLAST得出的位置特异性打分矩阵。使用留一法在RH2427数据集上的验证中，LOCSVMPSI算法达到了90.2％的最高预测精度。这高于SubLoc和ESLpred算法在同一数据集上的预测精度。在PK2427数据集上的交叉验证中，LOCSVMPSI的预测精度也高于以前提出的基于SVM的算法。在更多数据集上的实验证实了LOCSVMPSI算法比现在广泛使用的蛋白质亚细胞预测算法，诸如PSORTII，TargetP和LOCnet等，要表现得更加出色。所有的结果都表明了，LOCSVMPSI是一个功能强大的蛋白质亚细胞定位预测算法。 随着网络技术的发展与普及，越来越多的生物信息学预测方法，都通过网络的方式向国际同行提供online预测服务和资源共享，这也是检验我们所设计的预测算法是否成功的最好途径。因此，我们在亚细胞定位中算法研究成果的基础上，构建了webserver，以利于学术交流和预测服务。服务器的地址为：http://Bioinformatics.ustc.edu.cn/LOCSVMPSI/LOCSVMPSI.php