随着后基因组时代的进入,作为蛋白质组学的一项分支,蛋白质亚细胞定位研究的热度与日俱增。蛋白质亚细胞定位研究中,基于蛋白质氨基酸序列的特征表达在定位预测阶段扮演着重要角色;很大程度上,它决定了亚细胞定位结果的好坏。提取蛋白质特征表达以后,通常会面临“小样本,高维数”的问题;因此,为了降低计算开销、减少数据噪声及增强小样本数据集的鲁棒性,使用降维算法处理高维特征表达是必要的。基于此,本文对蛋白质亚细胞定位中的特征表达与降维算法进行了深入研究与分析。本文的主要工作及创新之处概括如下:1.蛋白质有4种基本的、分类性能依次递增的单特征表达:氨基酸组成(AAC)、二肽组成(DipC)、伪氨基酸组成(PseAAC)和位置特异性得分矩阵(PSSM)。为了提高蛋白质亚细胞定位预测准确率,构造信息量丰富的特征表达是有效的方法之一。为此,本文新提出了一种先加权后相加的特征融合模型,通过融合多种单特征表达以形成新型复合特征。实验结果表明该复合特征表达所包含信息量大于被融和的单特征表达。其次,本文基于PSSM提出了一种新特征表达——相关性位置特异性得分矩阵(CoPSSM),经实验验证,CoPSSM的分类性能优于常用的PseAAC和 PSSM。2.核主成分分析(KPCA)与核线性判别分析(KLDA)是两种常用的非线性降维算法。实际应用中,不同的核函数及其不同的核参数将会对降维效果产生显著影响。基于此,本文先研究了单核函数及复合核函数的降维效果区别;而后,针对最优核参数的选取,本文新提出了一个距离判别准则,以将无监督降维算法KPCA改进为半监督降维算法。其次,基于遗传算法(GA),本文新提出了一个优化算法——二分贪心遗传算法(DGGA)去结合新提出的距离判别准则以对KLDA中的核参数进行优化搜索,从而对蛋白质亚细胞进行定位预测。实验结果表明,本文所提的距离判别准则及DGGA优化算法是有效的。