蛋白质亚细胞定位是指蛋白质在细胞内的具体位置，对其生物功能至关重要。研究表明，机器学习可以克服现有定位技术的局限性。麻省理工学院和哈佛大学的团队提出了PUPS框架，结合蛋白质序列和细胞图像，能够准确预测未知蛋白质的定位，展现出良好的泛化能力和医学应用潜力。

该研究探讨了RNA亚细胞定位的预测，提出了利用人工智能和机器学习的新方法，解决了传统方法在时间和资源上的消耗问题。这些新方法能够大规模预测RNA定位，推动RNA研究并为疾病治疗提供指导。

上海交通大学洪亮课题组研发了一种名为PROTLGN的微环境感知图神经网络，能够从蛋白质三维结构中学习并预测有益的氨基酸突变位点，指导蛋白质设计。PROTLGN具有更高的效率和准确性，可用于突变预测、荧光蛋白优化、VHH抗体设计和Ago蛋白突变等方面。此外，PROTLGN还能预测蛋白质的亚细胞定位。