整合素粘附体蛋白间的相互作用对大多数的生物进程是非常重要的。随着生物信息学的发展，积累了大量的整合素粘附体信号分子间相互作用数据，同时也出现了许多预测蛋白质相互作用（Protein–Protein Interaction，PPI）的方法。其中，基于结构域信息来预测PPI是近年来研究的热门领域。然而，这些方法大多数都是从蛋白质层面出发，利用蛋白质对与结构域之间的关系构建预测模型，这导致了它们的预测结果存在较高的假阴性。为了解决这一问题，本研究设计了一种从结构域层面出发，预测PPI的方法。利用该方法预测了整联蛋白粘合体的相互作用；并依次构建了PPI网络、预测了整合素粘附体信号分子的相关信号转导通路；利用计算的方法，从分子水平探索并理解了信号分子间相互作用的机制。　　首先，我们利用结构域相互作用（Domain–Domain Interaction，DDI），以及蛋白质与结构域间的相互关系建立了一个预测 PPI的模型。选用已被证明的PPI数据对预测模型中的参数进行优化；并把优化后的模型与其他预测PPI的方法进行了比较，来检测该模型预测结果的准确性和灵敏性。　　然后，利用该预测模型对含有147个整联蛋白粘合体的源数据（source data）进行了相互作用预测；共得到736对PPI以及与其相应的置信概率（confidence probability）。基于这些相互作用，构建PPI网络；并根据这些相互作用的方向性，分别构建了无方向网络和有方向网络，以网络图（network graphs）的形式对这些整合素粘附体蛋白的相互作用进行了分析研究。　　最后，以蛋白质对相互作用的置信概率为边权，对预测出的736对相互作用的整合素粘附体蛋白对，构建了加权的PPI网络；利用动态规划算法计算其中最小权重的线性通路，将计算得到的线性通路按一定的规则组装成了通路网络，从而实现了从整合素粘附体的加权PPI网络中预测信号转导通路。最终预测得到7个与整合素粘附体信号分子相关的可能的信号转导通路。　　总的来说，本研究提出了一种基于结构域信息预测PPI的方法；此方法具有较低的假阴性率，且预测结果具有较高的可靠度；利用该方法成功地预测出整合素粘附体蛋白的相互作用。另外，本研究还构建了PPI网络，并从加权的PPI网络中预测出整合素粘附体信号分子的信号转导通路。这不仅能够为利用实验方法探索整合素相关信号转导通路的机制提供帮助，还可以为基础医学相关疾病机理的研究提供参考信息。