自然界中影响生命现象发生的因素多种多样,也必然离不开蛋白质的参与。多种蛋白质相互作用交织成网络,调节重要的生命活动。在承担生命活动时,蛋白质的表现是多样的、动态的,这就需要对蛋白质之间的关系进行研究。蛋白质相互作用(PPI)分析研究可以帮助研究癌症的发生机制,设计新的药物标靶,并支持新药物的发展。随着蛋白质组学研究进入大数据时代,生物分子学及相关领域研究人员迅速获得了许多实验数据。然而,使用生物实验方法对这些数据进行研究耗时长,成本高。鉴于此,本文采用计算方法进行蛋白质相互作用预测,设计了一个基于多变量互信息的蛋白质相互作用预测模型FTCP-WSRC,主要研究工作如下:一、设计新的蛋白质序列的表示方法FCTP模型,该模型通过F向量,C描述符和T描述符的结合,将每个蛋白质序列映射到数字特征向量上,提取了蛋白质序列所包含的有效信息。二、采用有效的特征提取方法主成分分析(PCA)来提取最具辨别力的新特征子集。利用PCA处理后的数据极大地降低了时间复杂度,提高了计算机对数据的处理能力。三、基于加权稀疏表示分类器(WSRC)进行预测,得到了很好的预测结果。为了验证FCTP-WSRC模型的有效性,将此模型与他人已有的研究结果进行了比较,该模型的结果优于其他模型,证明了 FCTP-WSRC模型的有效性。本文提出的FCTP-WSRC模型,对于幽门螺杆菌,人类和酵母数据集,准确度分别达到了 96.67%,99.82%和98.09%。此外,在预测重要的PPI网络CD9时,FCTP-WSRC模型表现良好,能够预测潜在的PPI。因此,本文提出的方法性能优异,简单易行,是预测PPI的强大工具。