随着复杂网络研究的深入,作为复杂网络研究中有着重要作用的关键节点研究越来越受到重视。对复杂网络中关键节点的研究有很多现实的意义,例如通过对互联网中关键节点的分析可以完善网络性能,提高网络的抗毁性;通过对客户关系网络节点分析可以发现关键客户;通过对蛋白质相互作用网络中的关键节点分析可以识别关键致病基因,此外在药物研发、商品销售、案件侦破等方面有很广阔的应用前景。目前,已经有很多网络被证实为复杂网络,如社交网络、舆情传播网络和蛋白互作网络等。在这些网络中有些节点对整个网络而言起着关键的作用。研究复杂网络中的关键节点对于不法分子的识别,关键致病基因的筛选,以及社交网络关键用户识别等具有重要意义。如何设计出高效的算法实现复杂网络中关键节点的识别是当前计算机应用领域研究的热点。本文以对蛋白互作网络中关键节点的识别为例,对复杂网络中关键节点的识别方法进行研究。当前多种复杂网络关键节点识别方法已经被提出。如基于节点度大小的关键节点研究,在这类研究中把节点度的大小作为蛋白重要性的依据。还有基于顶点介数的重要性排序,在这类方法中把顶点介数或者边介数作为蛋白质重要性的衡量标准。还有一些方法是基于相似度贡献的节点重要性评价算法,以及基于场论模型的节点重要性评价算法。Page Rank算法是谷歌进行网页排名的重要算法,通过分析发现该算法经过修改后可以用于蛋白质相互作用网络中节点重要性衡量算法。本文通过对蛋白质直接和间接的相互作用关系强弱进行度量并重构蛋白质网络,提出基于重构网络的蛋白质节点重要性评价算法物。把本文算法和其他常用的节点重要性排序算法找出的节点进行功能注释和致病性分析,实验结果表明,本文提出的方法与其它的关键节点识别算法相比具有更高的精度。识别关键蛋白质节点具有重要意义。一方面可以发现功能相似的蛋白质;另一方面也可以辅助预测未知蛋白质的功能,尤其在疾病诊断和治疗方面具有重要的作用,对于开发新药物,发现药物的靶标等都有重要价值。此外,对于了解复杂疾病的发病机理等也有着重要的意义。