关键蛋白质在维持有机体生命方面起着不可或缺的作用,缺少关键蛋白质将会导致细胞死亡或无法繁殖。识别关键蛋白质将有助于我们理解细胞生命的基本机制。细菌的关键基因及其编码的蛋白质常常是某些疾病潜在的药物靶点。所以关键蛋白质的识别无论是在生命科学研究领域还是药物的设计生产方面都有着重要的意义。近年来,人们提出了一些基于静态蛋白质-蛋白质相互作用(PPI)网络的关键蛋白质识别方法。然而,这些方法忽略了关键蛋白质在一定条件下发挥重要作用的特性。针对这一特性,本文主要工作如下:(1)本文对现有中心性关键蛋白质识别方法和动态网络构建方法进行了整理和介绍,并结合几种经典中心性方法对动态网络和静态网络在关键蛋白质识别方面的性能进行了比较和分析。结果表明,使用动态网络能有效提高基于网络拓扑结构的关键蛋白质识别方法的准确度。(2)基于融合动态网络的关键蛋白质识别方法研究。本文考虑到关键蛋白质在不同动态网络中的模块化性质,首先使用边聚集系数对动态蛋白质相互作用子网的边进行了加权处理。然后,本文对相似网络融合方法进行了改进,层次化地将加权后的动态子网融合成了一个最终网络。基于融合后的最终网络,本文使用随机游走的方法,以捕获蛋白质在最终网络上的全局信息。同时,本文还使用了一种频率熵来测量蛋白质在网络上的局部特性。最后,结合蛋白质的全局与局部特性,本文设计了一种基于融合动态PPI网络的关键蛋白质识别方法FDP,并与现有的几种关键蛋白质识别方法进行了实验对比。结果表明,FDP在关键蛋白质识别方面体现出了较好的效果。(3)改进FDP算法。在后续的研究中,我们发现FDP算法仍有可改进的空间。因此,本文对提出的FDP算法进行了改进。首先,使用FDP类似的方法来创建动态网络以及融合多个动态网络。在融合后的最终网络上使用随机游走的方法,以捕获蛋白质在最终网络上的全局信息。然后,我们对融合后的网络进行了剪枝处理,并使用加权的LAC算法计算出蛋白质在剪枝后的网络上的局部性得分。最后本文结合蛋白质全局与局部得分,设计了FDP的改进算法FDP-LAC来识别关键蛋白质。实验表明,FDP-LAC较FDP的关键蛋白质识别效果有一定的提升。