在计算生物信息学领域,重要蛋白作为生物存活和功能正常所必需的蛋白,在药物靶标定位、致病基因查找和合成生物学等方面有着非常广泛应用。如何高效的找出重要蛋白已经成为了该领域研究的一个热点问题。现阶段发现重要蛋白的方法主要有两类,一类是通过生物实验验证,另一类是通过复杂网络建模,利用节点中心性的来查找。前一类方法非常耗时耗力,而且并不适用于所有物种。后一类计算型方法却因其快速高效而受到重视。但是在后一类方法中,许多方法只考虑了网络的拓扑结构静态特征,并未考虑蛋白质交互网络自身的动态特征,致使其在实际应用时查找效率已达到瓶颈。本文方法结合蛋白质交互网络数据和蛋白质浓度数据,通过质量作用方程进行扰动传播实验,观察网络中节点是否受到扰动,建立浓度耦合矩阵,最后根据受扰动影响的节点的影响力来评测扰动节点的新的影响力。之所以通过扰动传播来评价节点的影响力是因为:重要蛋白作为生物存活和功能正常所必须的蛋白,其浓度的变化势必要导致生物功能的紊乱,其浓度变化的影响力也要比其他非重要蛋白浓度变化的影响力要大,通过扰动实验,我们能够清楚的观测到一个节点对网络中其他节点的影响,正好可以以此当作节点的影响力评估,影响力越大,则其是重要蛋白的概率也就越大。在酵母菌蛋白质交互网络和小鼠胰岛蛋白质交互网络上实验发现,本文方法相较于其他常见的五种基于中心性的方法能够找到更多的重要蛋白,并且所找到的重要蛋白与其他方法相比较交集很小。作为一个排序型算法,我们还计算了两类网络对本文方法和其他中心性方法的鲁棒性,为做比较我们还加入了随机排序方法,发现网络对本文方法的鲁棒性与对随机方法的鲁棒性相近,与其他方法相差较大。这一实验结果也从侧面印证了上文中交集很小这一结论。本文方法相比其他方法能够更多的找到重要蛋白,对现有的方法而言是有效的提高和补充。同时,本文也提供了一种新的节点中心性度量思路,那就是我们应该根据实际网络的不同从扰动传播的观点来衡量节点的影响力。