王晓旭，刘晓霞

(大连海事大学 信息科学技术学院，辽宁 大连 116026)

0 引言

蛋白质作为生命的物质基础，在细胞的生命活动中发挥着关键作用。由于蛋白质并不是单独作用，而是与其他蛋白质一起形成复合物。因此，识别蛋白质复合物对全面了解细胞组成和生命过程具有重要意义。虽然蛋白质复合物的识别方法有很多，如串联亲和纯化(TAP)和质谱法可以直接识别蛋白质复合物，但这种实验方法要耗费大量的人力资源，因此如何快速、高效地从蛋白质相互作用网络中识别蛋白质复合物成为了关键性问题。

近年来，随着高通量技术的快速发展，产生了大量的蛋白质-蛋白质相互作用(PPI)数据[1]。这使得利用计算方法从蛋白质关系网络中识别蛋白质复合物成为可能。到目前为止，研究者提出了许多识别蛋白质复合物的计算方法。我们可以将这些方法分为无监督学习算法和监督学习算法。无监督学习算法是基于预先定义的规则来预测蛋白质复合物的方法。大多数的无监督学习方法都是利用PPI网络的拓扑信息识别蛋白质复合物，然而PPI网络中存在大量的假阴性和假阳性数据，使其不能获得令人满意的结果。监督学习算法是充分利用已知复合物进行训练并预测蛋白质复合物的方法。虽然现在的蛋白质复合物研究中存在大量的已知复合物，但仍有许多蛋白质复合物未被发现，如何从有限的已知复合物中获取充足的信息是监督学习算法的关键问题。……