在细胞生物学的研究中,高内涵图像被用于细胞的基因遗传分析和由环境变化引起的基因突变分析。高内涵图像技术的出现,让生物学家有能力设计出研究不同基因突变间的关系和细胞生长周期形态的实验。虽然高内涵图像分析的实验方法给我们带来了很多的好处,但是处理大规模的高内涵图像数据对于我们来说仍然是一种挑战。高内涵图像包含非常丰富的信息和特征,如何提取出我们想要的信息是其中一个难题,比如蛋白质亚细胞定位。有一些研究团队仍然在用人眼识别高内涵图像中细胞的蛋白质亚细胞定位,也有一些团队开发出了基于传统机器学习的蛋白质亚细胞定位预测的算法。本文基于卷积神经网络的深度学习算法,提出一种对高内涵图片做蛋白质亚细胞定位预测的计算方法。本文设计了一个卷积神经网络模型,测试的时候用荧光蛋白标记过的酵母菌细胞作为数据集,在总共15类的分类标签任务下,展示了卷积神经网络方法和传统机器学习方法在相同数据集相同任务下的分类性能,并从特征分布,特征可视化和迁移学习的角度分析了卷积神经网络模型为什么能够获得这个性能。本文证明了在这个数据集的15类分类任务下,卷积神经网络模型能提取出图片的高维特征,分类性能要优于传统机器学习算法。然后进一步证明了该网络可以用来做不同的分类任务,包括相同实验的数据集不同分类标签和不同实验的数据集。最终用这个网络去分析酵母菌细胞在交配信息素的作用下,蛋白质在亚细胞定位上的变化,实验总共涵盖了200多种蛋白质。