人类已经由基因组时代步入了后基因组时代。海量激增的蛋白质数据逐渐成为这个时代的特征,生物信息学研究发现蛋白质的功能和结构与亚细胞位置有很大关系,蛋白质转运到不同的位置（细胞器）能发挥不同的作用,因此急需一种根据亚细胞的定位来高效地分析蛋白质功能的方法。文章主要围绕这一主题,针对蛋白质序列的编码方法和分类预测算法两方面进行了相关研究和讨论,并在不同的数据集上分别进行了测试和分析验证。概括本文的主要创新点如下： 为了挖掘蛋白质序列中所包含的全局和局部信息,本文提出了一种新的混合特征提取方法。该方法旨在将一条蛋白质序列转化为包含尽可能多序列信息的特征向量,该向量混合了氨基酸组分、压缩三肽组成、局部频域值三部分特征。该方法能比较全面的融入氨基酸的组分信息、局部顺序信息以及相邻（包括间接相邻）氨基酸残基之间的耦合相关性。为了评价序列特征提取方法的有效性,本文对各部分特征及涉及到的参数都进行了验证和分析；为了评价预测性能,本文采用支持向量机作为主要的分类方法,分别在两个不同数据集上进行刀切法检验。实验结果表明,本文方法提取出来的各部分特征包含了足够的蛋白质亚细胞定位信息,且利用获得的特征向量进行的定位分类预测也是非常有效的。实验最后,我们分别利用支持向量机和最近邻算法对两个基准数据集进行了亚细胞定位的预测并将获得的预测结果和评价指标值与其它方法进行比较,比较结果证明了本文方法可行性和优越性。