01 工具简介

https://services.healthtech.dtu.dk/services/DeepLoc-2.1/    #在线版官网

DeepLoc - 2.1

基于深度学习预测真核生物蛋白的亚细胞定位。

DeepLoc 2.1 可预测真核蛋白的亚细胞定位及膜关联类型。该工具为多标签预测器，能够对单一蛋白预测一个或多个定位位点。共可区分10 类亚细胞定位和4 种膜关联类型。

10 类亚细胞定位：细胞核、细胞质、胞外、线粒体、细胞膜、内质网、叶绿体、高尔基体、溶酶体 / 液泡、过氧化物酶体。

4 种膜关联类型：外周膜蛋白、跨膜蛋白、脂锚定蛋白、可溶性（非膜）蛋白。

此外，DeepLoc 2.1 还可预测影响亚细胞定位判定的分选信号。

本网页服务器对所有用户免费开放，包括商业用户。

02 适用范围区分

1. 原核生物蛋白：请使用 DeepLocPro 预测；
2. RNA 序列定位：请使用 DeepLocRNA 预测。

03 提交与使用说明

将蛋白序列以 FASTA 格式 粘贴或上传，即可预测亚细胞定位与膜关联属性。单次最多支持 500 条序列；单条序列预测耗时数秒，取决于所选模型。

1. 蛋白序列长度不得少于 10 个氨基酸；
2. 超出语言模型长度限制的序列，会截断中间区域保留两端序列：
   • 高精度慢速模式：上限 4000 aa，超长序列保留首尾各 2000 aa 拼接；
   • 高通量快速模式：上限 1022 aa；
3. 批量高通量分析（单次提交超 100 条）建议选择 ** 精简输出（无图）** 模式；
4. 队列任务最大运行时长为 4 小时，任务失败建议减少序列数量分批提交。

可在输入框粘贴 FASTA 格式蛋白序列，也可从本地上传文件。

04 模型与输出选项

• 预测模型：高精度（慢速） / 高通量（快速）
• 输出格式：完整输出 / 精简输出（无图）

05 引用

新书章节：《语言模型在蛋白分选预测中的实际应用：SignalP 6.0、DeepLoc 2.1 与 DeepLocPro 1.0》，收录于 Dukka B. KC 主编《蛋白生物信息学中的大语言模型》（MIMB，第 2941 卷，2025），第 153–175 页。