随着人类和其他生物物种的测序计划的完成,人类对生物及生命科学研究开始从基因组时代进入后基因组时代,并将研究的重点转移到以蛋白质相互作用研究为中心的蛋白质组学上。蛋白质主要通过与其他蛋白质或生物大分子间的相互作用实现其功能,那么对蛋白质相互作用的进一步研究将促进人类对生命活动及蛋白质功能的认识。随着近几年生物实验技术的迅速发展,人类开始采用各种生物实验方法来研究蛋白质的相互作用,但是由于受到当前生物实验技术耗时耗力的约束及高通量实验技术在检测出大量蛋白质相互作用的同时,也会带来了很多“假阳性”和“假阴性”数据。因此,本文从计算的角度来对蛋白质相互作用进行探究,主要研究了蛋白质相互作用位点及相互作用对的预测方法。本文的工作主要包括以下几个方面：为了进一步提高蛋白质相互作用位点预测的准确率,采用滑动窗口技术结合以高斯核和多项式核为基核的混合核函数SVM,充分考虑了相邻或相连蛋白质残基的影响。同时采用Bootstrap采样方法将蛋白质相互作用位点的不平衡数据转化为平衡数据问题,并将改进后的粒子群算法应用到以混合核函数SVM为基学习器的选择性集成算法中,进一步提高集成的效率和预测的准确率。真实的数据集测试表明本文提出基于混合核函数SVM的选择性集成算法的蛋白质相互作用位点的预测方法能够得到更好的预测效果,与其他方法相比能有效提高蛋白质相互作用位点预测的准确率。随着生物学研究的不断深入,在蛋白质相互作用对的预测问题上,生物实验方法造成的噪声和蛋白质相互作用数据集的固有缺陷导致基于常规SVM核函数的蛋白质相互作用预测方法出现问题。因此,为了进一步提高蛋白质相互作用预测方法的准确率,提出了一种以余弦核和线性差值累加核为基核的对偶混合核函数SVM的蛋白质相互作用预测方法。该方法充分考虑了蛋白质的结构域特征,同时根据蛋白质相互作用数据应具有顺序无关的特点,将“对偶”思想引入SVM核函数中。对两个真实的蛋白质相互作用数据集Yeast PPI和Human PPI的测试结果表明,本文的方法与其它方法相比能够有效地提升了蛋白质相互作用预测方法的准确率。