蛋白质亚细胞位置描述的是蛋白质在细胞中的具体出现位置,与蛋白功能密切相关,很多蛋白质的定位异常也被证实与癌症等疾病有关,所以,确定细胞内的蛋白质亚细胞位置至关重要。近些年来,关于蛋白质亚细胞定位的研究工作进展迅速,为了节省时间与实验成本,智能算法越来越多地被用于亚细胞定位工作中,涌现出如DeepLoc、Hum-mPLoc 3.0、SCLpred等自动定位模型,这些算法通常提取位置相关特征并建立分类模型,实现高性能的亚细胞位置自动分类。但是,当前的研究工作大多是从蛋白质序列和图像中提取定位特征,只有少数研究涉及到蛋白质的三维结构数据。蛋白质结构从位置和空间角度展示了蛋白特性,结构信息中的形状、相对位置、拓扑特征、分子表面构型等均对蛋白功能等起着决定性作用。所以,对三维结构角度分析蛋白质亚细胞定位,将是提升相关模型性能的重要途径,也将为多尺度蛋白质研究提供新思路。本文分别从特征工程和深度学习方法的角度对蛋白质分子的三维结构进行特征分析,验证了结构信息对于蛋白质亚细胞位置分类的有效性。首先,从物理和化学特性、拓扑特性等方面设计了多种算子用以描述蛋白质结构,并采用深度学习方法自动抽取结构特征,用于亚细胞位置的分类,并与序列特征相结合进行了实验验证。结果表明,其中一部分结构特征对蛋白质的位置分类能取得较为理想的结果,且对序列分类的性能有一定的提升效果。其次,本文针对基于图卷积的蛋白质位置分类模型进行了深入研究,在训练数据、图的构建、网络结构等多个方面进行了优化和测试,并利用自注意力机制提取了结构中对定位结果影响较大的子结构片段,从生物机制方面探索三维结构与定位的相关性。本文的研究为蛋白质空间分布的分析提供了新的视角,在研究蛋白质结构与其功能的关系以及相关疾病的发病机制方面有潜在应用价值。