随着信息技术的迅速发展,大量的蛋白质数据相继产生,这些数据很多被用于科学研究。蛋白质间相互作用关系和蛋白质的结构、功能对细胞生命活动的影响成为现代生物信息学领域的研究热点。PPI网络由蛋白质和蛋白质间的相互作用组成,复合物是完成细胞生命活动的基本单位。那么,如何高效、准确地从蛋白质相互作用网络中识别出具有较强生物学意义的复合物就显得尤为重要。现在很多的蛋白质复合物识别方法都是在静态蛋白质相互作用网络中识别蛋白质复合物,忽略了蛋白质及其相互作用会随时间、环境等因素变化的动态属性。本文先采用静态PPI网络和基因表达数据构建动态PPI网络模型,在考虑复合物结构特性的基础上,对复合物识别算法进行研究。本文的主要研究工作如下:(1)将复合物结构特性与改进的蚁群优化算法相结合识别复合物。以复合物的核心-附件结构为基本框架,在初始化复合物核心的基础上,采用改进的蚁群优化算法的拾起放下原则获得复合物的附件,得到蛋白质复合物。算法中考虑了蛋白质随外界因素影响的不规则变化,引入了随机概率,从而预测到较为准确的蛋白质复合物集合。(2)将相邻亲和度模型用于识别复合物。通过计算蛋白质相互作用网络中蛋白质的密度中心性值选择种子蛋白质,通过考虑种子蛋白质和其相邻蛋白质间的相关性获得复合物核心。借助相邻亲和度理论,考察复合物核心和其周围相邻蛋白质间的关系,形成复合物附件。将其他蛋白质复合物识别算法的预测结果和此算法的实验结果进行对比分析,发现此算法所预测的蛋白质复合物准确度更高,且具备生物学意义的复合物比例更大。(3)将PageRank算法用于预测复合物。在动态PPI网络中分别计算每个蛋白质的权重,将计算到的值和给定阈值进行比较,得到种子蛋白质。考虑到三角形的结构具有稳定性,以种子蛋白质和其相邻的两个蛋白质以及他们之间的相互作用关系为基本单位,获取复合物核心。构建复合物附件时,使用PageRank算法来衡量复合物核心的邻居结点与该复合物核心的关系。实验结果表明,此算法可以准确、高效地预测出有较强生物学意义的蛋白质复合物。