蛋白质及其相互作用在各种生命活动中起着至关重要的作用。复杂的蛋白质相互作用网络中包含着许多具有研究价值的信息,亟待有效的方法对其进行深入分析与挖掘。结构域作为蛋白质中重要的空间结构层次,提供了不可或缺的重要生物信息。本文提出了一种基于智能优化思想的蛋白质复合物识别算法,并且结合蛋白质结构域相互作用网络对疾病基因进行了预测。针对蛋白质相互作用网络(PPI)拓扑结构的局限性与偏好性,本文结合结构域和拓扑结构信息对PPI网络进行了重新构建。通过与基于拓扑结构的PPI网络和结合GO注释构建的PPI网络进行比较以验证添加结构域信息后的混合结构的PPI网络有效性。基于群智能优化中的头脑风暴策略,提出了一种蛋白质复合物识别算法——IPC-BSS(Identifying Protein Complexes based on Brain Storming Strategy)。IPC-BSS算法模仿人类头脑风暴的讨论过程,设计了使蛋白质节点可以在不同蛋白质复合物之间迁移,以及相互之间联系紧密的蛋白质复合物可以进行融合的两种更新策略,以得到更优的蛋白质复合物。该算法有效克服了在早期被错误划分的蛋白质节点难以纠正的缺陷。实验结果表明,与其它经典蛋白质复合物识别算法相比,IPC-BSS算法有较好的F-measure值,能有效识别具有生物学意义的蛋白质复合物,并能完全识别一些规模较大的蛋白质复合物。蛋白质结构域之间会存在一定地联系,形成结构域相互作用网络,它从空间结构层次上解释了蛋白质之间的相互作用,本文将结构域相互网络作为蛋白质相互作用网络与疾病相似性网络的桥梁,融合多层异构网络的信息,提出了非平衡三随机游走算法——UThrRW(Unbalanced Three Random Walk)。UThrRW算法不仅挖掘了网络内的信息,同时也利用了网络之间隐藏的生物信息,结构域相互作用网络会增强蛋白质相互作用与疾病相似性网络间的联系,从而提高算法的预测效果。实验结果表明,UThrRW算法预测疾病基因的效果优于经典的RWR算法、BiRW_b1算法和UBiRW算法。