蛋白质络合物在很多生物学过程中起到了关键的作用，是深入理解细胞组织原理的基础。随着生物高通量技术的不断发展和广泛应用，蛋白质相互关系的数据量随之不断膨胀，这些数据为蛋白质络合物的提取提供了新的视角。但是高通量技术在预测蛋白质相互关系时存在高错误率。与传统的直接使用蛋白质关系网络预测不同，算法通过迭代的计算蛋白质之间的权重，来判断哪些相互关系更有价值。提取那些权重较大的相互关系，这些权重较大的关系可以很大程度上去除噪音关系的影响。在考虑了一阶和二阶关系的基础上构造新的相似性关系网络。在此关系网络的基础上，分别计算络合物的核蛋白质集合和附属蛋白质集合，从而避免了噪音关系带来的影响，同时引入了络合物结构信息。实验结果表明，这种方法在识别蛋白质络合物上是高效和实用的。