蛋白质-蛋白质相互作用研究能够从分子水平上揭示蛋白质功能,帮助揭示生长发育、新陈代谢、分化和凋亡等细胞活动规律。目前虽已发展一些检测蛋白质互作的高通量实验方法,但由于实验手段需要耗费大量的人力和物力,蛋白质互作的大规模解析还远未在植物学研究中普及。作为实验手段的有效补充,利用生物信息学方法在基因组尺度预测蛋白质互作已日趋受到关注。本研究在前期研究基础上,通过采用更为全面的生物数据以及引入训练数据不平衡问题的解决方法,构建了新版拟南芥蛋白质互作网络。与之前版本相比,新版互作网络采用了更为全面的生物数据,如使用RNA-seq数据计算基因共表达特征值,使得该特征值覆盖率从59.51%增加至96.02%;新收集结构信息覆盖率则由11.48%提升至23.94%。此外,模型训练过程通过引入SMOTE算法,解决了训练数据不平衡问题。新版拟南芥蛋白质互作网络共包含345,006对预测的互作关系,涉及13,929个蛋白质,相较于之前版本,分别提升8.9%与10.8%。本研究采用10折交叉验证对新版拟南芥蛋白质互作预测模型的性能进行了测试,结果表明模型的预测真阳性率为49.74%,假阳性率为0.095%。精确-召回曲线(Precision-Recall curve)显示新方法预测性能明显高于之前版本。此外,本研究采用高通量与新发布两组独立的实验数据对新版互作网络的准确性进行了进一步评估,结果表明新方法可以分别成功预测到2,252(15.2%)对高通量实验检测数据以及2,880(13.5%)对新发表互作关系,其准确性高于之前版本及另外三种蛋白质互作预测方法(AtPIN、AtPID和PAIR)。上述评估结果表明新版互作网络的预测准确性相比于其他蛋白质预测方法有了显著提高。基于新版拟南芥蛋白质互作网络,构建了赤霉素、生长素、细胞分裂素、乙烯和脱落酸五个重要植物激素信号通路的交叉互作网络。两组独立实验数据的测试结果表明其预测准确率明显表现高于前一版本。以IAA信号通路相关互作关系为例,新方法可以成功预测到75%的高通量实验检测互作蛋白对以及61%的新发表蛋白质互作关系,远高于之前版本的53%和43%。在此基础上,发掘构建了上述五种重要激素信号通路间可能的交叉互作关系,统计分析显示大量互作蛋白质同时涉及两个或以上激素信号通路,这些共同互作蛋白质可能对不同激素间的交叉互作调控起到了关键作用。新版拟南芥蛋白质互作网络提供了更为可靠稳定的蛋白质互作预测结果,该数据资源有助于进一步发掘研究植物激素信号转导途径之间的相互调控关系。