蛋白质相互作用在生物体的生命活动中具有极其重要的作用,几乎涉及到每一个生理过程,得到一个物种中所有的蛋白质相互作用对于理解生物机理具有重大意义。传统的生物实验手段通常一次只能检测出单个的相互作用,既费时又费力,虽然也积累了一些数据,但是仍远远不够。近年来,一些高通量的实验手段能够产生大量的蛋白质相互作用数据,然而这些数据由于实验技术本身的缺陷,具有较高的出错率,大大削弱了这些数据的参考价值。因而从生物信息学的角度出发来预测蛋白质相互作用成为了重要的补充手段,成为研究的热点。本文从多个数据源出发,整合了不同类型的数据,利用机器学习的方法来预测模式生物酵母的蛋白质相互作用。主要工作包括:搜集和整理网上的实验数据,并对数据进行预处理,计算出需要的各个属性数据,存储在本地数据库中;尝试利用不同的方法对这些数据进行处理,预测蛋白质相互作用,并通过生物实验上证实的相互作用数据验证得到的结果;提出了一种基于通信模型的分类方法来预测蛋白质相互作用,并通过与朴素贝叶斯方法的对比实验验证了方法有较性;结合蛋白质相互作用网络的拓扑结构特征及基因组学数据校正蛋白质相互作用预测网络以获得更为可靠的相互作用信息。