蛋白质通过与其他蛋白质、化合物、RNA和DNA发生相互作用,在几乎所有生物事件中扮演着至关重要的角色。了解蛋白质相互作用位点是了解分子识别过程的基础。蛋白质很少单独行动,很多情况下是通过作为一个大型生物网络的一部分发挥功能。蛋白质相互作用对几乎所有方面细胞的功能都很重要,包括发射信号的规则和新陈代谢的路径,蛋白质合成,DNA复制和基因翻译,以及免疫识别。识别两个相互作用蛋白质的绑定位点,为了解和确定蛋白质复合物的功能和结构提供有价值的线索,可以促进药理学的逻辑目标识别并最终为药物设计提供支持。因此,预测蛋白质相互作用位点具有重要意义。现有的预测蛋白质作用位点的方法分为生物实验方法和计算方法两种,生物实验方法成本高且耗时耗力,而先用计算方法预测再用生物实验方法验证可以大大降低成本。在本文中,我们基于随机森林和最大相关最小冗余结合增量特征选择算法来预测蛋白质相互作用位点。我们融合了蛋白质的序列特征,二级结构特征,3D结构特征,并且构建了三种不同的特征空间用于预测蛋白质相互作用位点。通过结果分析,我们发现3D结构特征比如ASA,SC对于预测影响较大。通过对比三种特征空间的预测结果发现构建“滑动窗口”特征空间的预测效果比较好。通过与其他文章的预测结果相比,可以发现本文的预测结果优于其他预测方法。最终本文的ACC达到了81.44%,敏感性为82.17%,特异性为80.71%。可见,本文提出的方法在预测蛋白质相互作用位点中是有效的。