随着先进的高通量技术的快速发展,越来越多的人类生物学信息被充分挖掘了出来,形成生物网络,对生物信息学的研究也越来越重视,而蛋白质是生物体正常运行的必要组成,通过比对不同物种间的蛋白质相互作用,可以实现物种间知识转移,进行蛋白质复合物预测、预测蛋白质的功能、检测生物学路径等。生物网络比对的数据规模较大,为了以更高效的方法得到较为优越的比对结果,本文利用功能模块检测和种-子扩展方法实现网络比对。在网络比对的过程中,蛋白质之间的相似性的计算是重要环节,能够为后续比对奠定良好的基础。一般从序列和拓扑两个角度考虑蛋白质间的相似性,但由于网络中存在噪声,且序列信息是通过技术手段从生物系统中计算得到的,存在不完整性,仅考虑拓扑或序列信息可能对比对产生误导,且序列相似不意味着功能相似。本文针对这两个问题提出解决方法:将序列信息与拓扑信息结合辅助比对,减少了噪声和序列信息不完整对网络比对的影响;由于生物网络高度模块化的特性,将功能模块检测融入到网络比对中,可以在比对中加入功能信息,弥补了序列信息的不足,并且提高比对的效率。本文主要将研究集中在成对网络的全局比对,将功能模块检测引入到网络比对之中,优化网络比对结果,主要研究内容如下:⑴为了提高种子-扩展方法的效率和比对结果,本文将功能模块检测与种子筛选相结合,提出了一种基于模块匹配的成对网络比对算法,JAlign算法。仅根据目标函数选择种子节点,缺少了功能信息,会使得节点对缺少功能相似性,影响蛋白质功能的预测。JAlign算法将模块检测与种子-扩展相结合,利用层次聚类检测功能模块,并根据目标函数从模块中挑选出种子节点,综合评价邻居节点的拓扑结构相似性、度和节点总相似性,迭代选择最优的邻居节点进行扩展,并对其他不能扩展到的节点进行后续比对。实验表明,JAlign算法充分利用了节点的拓扑信息,能够实现良好的拓扑与生物质量的平衡。⑵功能模块检测中提取的模块可能存在重叠,为了充分利用模块间的拓扑和功能特征,本文将功能模块检测与目标函数的构建相结合,提出了基于模块特征和生物信息的成对网络比对算法,Mo Align算法。同一节点对重复地在多个模块对中比对上,则说明这一节点对具有很高的相似性。Mo Align算法首先根据模块划分计算模块相似性,并将模块相似性关联到节点的相似性中,重复比对的节点对进行模块相似性的叠加,以贪心的方式比对部分重要节点,并对其邻居节点利用匈牙利算法将其中的精英部分比对上,最后利用种子-扩展方法优化比对。实验表明,Mo Align算法充分利用了模块信息,在得到更多的同源蛋白的同时提高了算法的效率。⑶网络比对的应用。本文将成对网络比对算法JAlign算法以纯拓扑的方式应用到代谢网络中产甲烷菌的两种网络中,即嗜热产甲烷菌（Methanopyrus kandleri,MKA）网络和常温产甲烷菌（Methanosarcina acetivorans,MAC）网络,通过比对分析其代谢路径的差异,揭示产甲烷菌嗜热性的原因,从而验证网络比对在分析物种功能差异性方面的应用。