关键蛋白质是生物体进行生存和繁衍所必需的蛋白质,它的突变、去除或破坏将会导致生物体丧失某种功能甚至无法生存。关键蛋白质的识别可以使我们从系统水平上理解生命活动的机理、发现致病基因、鉴定药物标靶以及进行疾病诊治和药物设计等,因此,对其的研究极具理论意义和应用价值。此外,在后基因组时代,随着高通量技术的发展,可获得的蛋白质功能及相互作用数据日益丰富,因此,关键蛋白质的预测也逐渐成为新的研究热点。本文以酵母蛋白质为研究对象,从网络拓扑的角度出发,利用图论理论着重分析了经典的以中心性测度为主的基于蛋白质网络拓扑特征的关键蛋白质预测方法,通过对六种网络拓扑中心性的挖掘算法进行研究和实验,发现其具有一定的局限性:它只能识别挖掘出具有高度拓扑中心性的关键蛋白质而不能很好地识别低度拓扑中心性的关键蛋白质。针对此问题,本文提出了一种新的预测因子——蛋白质功能,并对其进行研究,主要研究工作包括:1)理论上分析蛋白质功能与蛋白质关键性间的关系,执行实验验证猜测。通过实验结果证明蛋白质功能与蛋白质关键性具有强相关性,在该结论下,本文提出预测算法:FUN,并分析该算法对低度关键蛋白质的挖掘性能;2)在上述工作的基础上,理论上分析蛋白质网络和蛋白质功能这两种预测因子的关系,执行实验验证猜测。实验结果证明蛋白质网络和蛋白质功能两种预测因子具有很强的互补性,在此结论下,提出算法——DC_FUN,融合这两种预测因子来进行关键蛋白质的预测;3)采用本文所提FUN算法与DC_FUN算法以及对比算法DC、IC、EC、SC、BC以及CC算法对酵母蛋白质进行关键蛋白质预测,验证本文所提算法的有效性及价值。实验结果表明:本文所提出的基于蛋白质功能的关键蛋白质预测算法FUN在预测准确性上并不低于基于蛋白质网络的算法的预测准确性,并且融合两种预测因子的DC_FUN算法能进一步提高关键蛋白质的预测准确性。