长链非编码RNA（long non-coding RNA,lnc RNAs）是一种重要的非编码RNA,在人类基因转录调控、细胞生长、分化、繁殖等生命活动中起着重要的作用。同时,lnc RNA的保守性相对较低,使得其功能研究变得更加困难。现阶段,lnc RNA的表达性差异分析和lnc RNA与蛋白质的共表达分析可以用来预测lnc RNA的功能,但传统的生物实验方法过于昂贵和耗时,且往往需要更为严格的实验条件。一些统计计算方法虽然预测效率很高,但假阳性率也很高。细胞作为生命的基本单位,考虑到各细胞器在生命活动中的不同职责,lnc RNA在各细胞器上的定位是预测lnc RNA功能的好方法。基于计算的方法可以非常有效地预测lnc RNA的亚细胞定位,从而分析lnc RNA所行使的功能。细胞器的种类是多样的,所以lnc RNA的亚细胞定位实际上是一个多分类问题。但是由于缺乏实验数据,一些亚细胞定位区域的lnc RNA序列数量较少,使得不同细胞器定位区域的序列数目差异很大。数据的不平衡性导致机器学习模型对小数据子集的识别效果较差,这是现有研究中一个具有挑战性的问题。为了从全局多层次的角度来描述lnc RNA序列,本文结合多源异构特征构建了一个基于序列的计算工具来预测lnc RNA的亚细胞定位。lnc RNA序列的多源异构特征包括k元组特征、基本lnc RNA特征、理化性质和多尺度二级结构特征。为了探索它们对lnc RNA亚细胞定位靶点的有效性以及在不同机器学习模型下的表示能力,我们使用了多种机器学习模型对这些特征分别进行测试,包括支持向量机、随机森林和逻辑回归三种传统机器学习模型,基于boost策略的XGBoost和light GBM两种集成框架以及深度神经网络和卷积神经网络两种深度学习框架。实验结果表明,不同的特征包含不同的lnc RNA内容,lnc RNA序列可以从不同的层次和角度进行描述。为了消除由数据不平衡引起的预测偏差,提高小样本数据集的表示能力,我们采用多种特征筛选方法对特征做进一步处理。由于特征的维数和冗余度不同,本文将这些特征分为两类。对于原始的k-mer特征,采用基于超几何分布的滤波法进行处理;对于剩余的特征,在通过使用自动编码器进一步特征提取之后,采用递归特征消除算法进行特征筛选。通过使用不同的机器学习模型对两种特征及其组合进行测试,讨论了特征选择方法的有效性,验证了该方法可提高数据的表示能力,减少由于小样本导致的多分类数据不均衡和预测性能差的问题。本文提出了基于多源异构特征融合的lnc RNA亚细胞定位预测方法,使用多层分组的特征强化与筛选方案,在支持向量机（Support Victor Machine,SVM）作为预测器的基础上构建了预测模型。模型包括了一个核酸序列扫描输入端,四个种类的特征提取算法模块,两个基于全连接神经网络的自动编码器,两个属性查找表以及一个经过严格参数调整的支持向量机分类器。使用该方法在基准数据集上进行5折交叉验证,最终获得了87.78%的准确率。在20%的独立留出验证集上达到了89.69%的预测精度,相对精度比现有的工具高出三个百分点,特别是对拥有较小数据的分类子集而言,分类性能得到了显著提高,细胞质的查准率相对提高了25.59%,查全率相对提高了0.94%,核糖体的查准率相对提高了0.17%,查全率相对提高了19.45%,外泌体的查全率相对提高了48.98%。同时,对不同模型下不同特征的预测结果进行了讨论,揭示了不同特征和模型对lnc RNA亚细胞定位的有效性。由于标记的lnc RNA亚细胞定位的数据量较小,深度学习模型作为预测模型的预测效果相对较差,但是基于深度学习模型的特征提取方法可以在一定程度上增强lnc RNA数据的表达能力,从而提高预测的准确率。同时本文也利用该模型做了实际应用,包括在人类规模转录组上的lnc RNA亚细胞定位预测,开发了相关的Web Site和开源工具包,供感兴趣的科研人员选用。