研究蛋白质复合物和蛋白质功能模块,已成为更进一步认知生命活动的作用机制和组织原理的重要途径。研究分析蛋白质-蛋白质相互作用(Protein-Protein Interaction)网络中包含的信息所用的聚类等计算方法是发掘蛋白质功能模块特性的有效方式。本文从PPI网络的拓扑特性出发,针对蛋白质功能模块重叠结构的识别效率较低和存在噪声等问题进行较为深入的研究与分析。本文的主要内容如下:(1)提出了一种基于链路相似性聚类的蛋白质功能模块识别方法MLS(Markov Clustering of Protein-Protein Interaction Networks based on Link Similarity)。PPI网络具有模块性,且对已知的功能模块进行拓扑特征分析,得出模块间存在重叠结构。该算法可以有效检测出PPI网络中功能模块间的重叠结构。在酵母蛋白的多个PPI网络数据集中进行实验,聚类实验结果显示MLS算法较MCL、LC、MCODE、Newman等算法具有更好的性能。通过进一步的实例分析表明该算法检测到的功能模块,更具有生物学意义。(2)提出了一种结合拓扑特征和基因表达数据的蛋白质功能模块识别方法ECTG(Evolutionary Clustering Algorithm Based on Topological Features and Gene expression data for Protein Complex Identification)。通过分析已知蛋白质功能模块的拓扑结构,发现其中存在噪声数据,可见蛋白质相互作用数据并不能全面的反映出功能模块内蛋白质之间的关系。因此,在引入基因表达数据的基础上,结合PPI网络的拓扑特征对PPI网络进行聚类分析。该算法的实验结果表明,ECTG算法可以更好的检测蛋白质功能模块。(3)设计并开发了PPI网络聚类方法综合性分析系统ClusterA。该平台目前已集成了当前主流PPI网络数据集,实现了MLS、ClusterONE、ECTG等8个聚类算法和Avg.F等7个评估方法。ClusterA为相关领域的研究者提供了一个快速有效的多功能注释模块以及方法评估的对比平台,可方便的将各种算法结果可视化,可以帮助研究者快速直观的认知各种算法流程,并通过可视化的角度直观了解各算法的性能及差异。以上为本文的主要工作,得到的阶段性成果可作为检测PPI网络中蛋白质功能模块的有效方法。