(中南大学 信息科学与工程学院，湖南 长沙，410083)

关键蛋白质是细胞生命活动中所必需的蛋白质，利用基因剔除式突变将其移除会造成有关蛋白质复合体功能丧失，甚至导致生物体无法生存[1]，因此，识别关键蛋白质对于研究细胞的生长调控过程具有重要意义。同时，研究表明：致病基因往往表现为关键蛋白质[2]，关键蛋白质的识别对于病原生物学的研究以及药物设计也具有重要的意义。在生物学领域，一般利用基因敲除、RNA干扰等实验方法，通过观察生物体生存情况来辨别蛋白质的关键性。依靠生物实验识别关键蛋白质的方法虽然准确有效，但是代价高且效率低。近年来，随着酵母双杂交、串联亲和纯化、质谱分析等高通量的蛋白质组技术的发展[3]，可获得的蛋白质相互作用数据越来越多，使得在网络水平上预测关键蛋白质成为可能。已有研究表明，蛋白质的关键性与它在生物网络中所对应节点的拓扑特性密切相关[4]，因此，出现了一系列利用节点的中心性测度参数识别关键蛋白质的方法。最常用的一个中心性测度是度中心性(degree centrality)[5]，网络中某个给定节点的度中心性表示为与其直接相连的邻居节点的个数。Jeong等[5]提出“中心性−致死性”法则(centralitylethality rule)，该法则显示一个蛋白质参与的相互作用越多，这个蛋白质对细胞的生存也就越重要。除了最常用的度中心性以外，还有介数中心性[6]、接近度中心性[7]、子图中心性[8]、特征向量中心性[9]、信息中心性[10]、局部平均联通性[11]和边聚集系数之和[12]。……