关键蛋白质是生物体生存和繁殖的必要生物蛋白质,识别它们可以帮助人们理解细胞生命的最小需求。随着蛋白质相互作用网络数据的日益完善,基于网络拓扑结构识别关键蛋白质的方法受到广泛关注,但是由于蛋白质网络数据不完善和假阳性高等原因,影响了关键蛋白质的识别率。本文考虑蛋白质节点的生物特性,有区分的对待蛋白质网络中所有的边,利用基因本体信息计算两个端点蛋白质在基因本体术语上的功能相似性,以此衡量蛋白质节点间相互作用的可靠性,为蛋白质网络中的每一条边赋予不同的权重,并结合蛋白质节点在网络中的拓扑特征一起来识别关键蛋白质。论文主要工作如下:针对蛋白质网络中存在一定假阳性信息以及关键蛋白质邻居间呈现共聚类特性,本文结合基因本体信息和边聚集系数,提出一个关键蛋白质识别算法—EGC算法(Edge clustering coefficient and Gene ontology information’s Combination)。实验结果表明,在两个真实的酵母蛋白质数据集(DIP和MIPS)上,EGC算法比其他方法识别的关键蛋白质数目多,识别准确率较高,而且可以识别被其他方法所忽略的关键蛋白质。针对关键蛋白质在具有相同或相近生物功能的蛋白质复合物中存在聚集现象,本文结合基因本体信息和复合物信息,提出一个关键蛋白质识别算法—CCG算法(Combining Complex centrality and Gene ontology information)。实验结果表明,在三个真实的酵母蛋白质数据集(DIP、MIPS和BioGRID)以及两个蛋白质复合物数据集(CM270和CM408)上,CCG算法相比其他方法能够识别出更多的关键蛋白质,在敏感性、特异性、准确率等六种统计指标上的值也优于其他方法。