蛋白质相互作用是分子生物学研究的热点和难点。蛋白质在细胞水平所发挥的生命活性都是通过蛋白质—蛋白质之间的相互作用来完成的。例如细胞的代谢、信号转导途径、免疫确认、DNA复制、基因翻译和蛋白质合成等。针对蛋白质—蛋白质相互作用的特点、界面结构特征以及协调蛋白质相互作用中形成具有特定功能的结构模块的识别展开深入研究,有助于在分子、细胞和生物体等多个层次上全面揭示生命现象的本质。本文提出用机器学习方法来开展蛋白质相互作用界面特性的相关研究,旨在研究相互作用的界面结构域,以及界面关键作用点,从而由点及面的识别出具有生物功能的结构模块。它为蛋白质功能的解释提供了新的研究途径。通过对国内外有关界面的研究现状分析,发现界面的相关研究在计算机科学和数学领域内还存在较大的潜力。本文正是基于以上分析来开展研究工作。首先,提出一种基于氨基酸序列的自相关系数的蛋白质特征编码方式对相互作用界面进行预测;其次,提出基于图论的网络拓扑法来计算界面完整结构域;再次,提出了多特征随机融合法构建预测器对热点残基进行预测;最后,对热区模块的识别工作做了初步的调研,为下一步工作提供了研究方向。本文得到的界面预测结果较为稳定,因为蛋白质特征编码考虑了序列间的长程作用关系,从数学模型上改变蛋白质的编码从而提高了预测精度。热点残基的实验结果较为理想,反映了多特征随机融合能突破单纯依靠参数指标选择属性组合策略的局限性,并能在有限种属性组合下最大概率的寻找关联度较高且冗余度较低的属性组合。利用多特征随机融合得到的实验结果不仅能定量的对属性贡献率进行分析并反馈学习,还能从整体上提高对热点残基结构和功能属性的认知。