蛋白质必须处于正确的亚细胞位置才能行使其功能。文章利用PSI-BLAST 工具搜索蛋白质序列，提取位点特异性谱中的位点特异性得分矩阵作为蛋白质的一类特征，并计算4 等分序列的氨基酸含量以及1～7 阶二肽含量作为另外两类特征，由这三类特征一共得到蛋白质序列的12个特征向量。通过设计一个简单加权函数对各类特征向量加权处理，作为神经网络预测器的输入，并使用Levenberg-Marquardt 算法代替传统的EBP 算法来调整网络权值和阈值，大大提高了训练速度。对具有4类亚细胞位置和12类亚细胞位置的两种蛋白质数据集分别进行“留一法”测试和5倍交叉验证测试，总体预测精度分别达到88.4%和83.3%。其中，对4类亚细胞位置数据集的预测效果优于普通BP 神经网络、隐马尔可夫模型、模糊K 邻近等预测方法，对12类亚细胞位置数据集的预测效果优于支持向量机分类方法。最后还对三类特征采取不同加权比例对预测精度的影响进行了讨论，对选择的八种加权比例的预测结果表明，分别给予三类特征合适的权值系数可以进一步提高预测精度。