蛋白质相互作用是细胞大部分功能的基础,直接关系着生物功能的多样性,它有两种主要的形式,包括“物理”上的相互作用和功能上的相互作用,一般的相互作用是指参与同一个代谢途径,具有相似的功能,也就是功能上的相互作用。蛋白质组学是在整体水平上研究蛋白质的结构、相互作用和功能的学科。相互作用连接着蛋白质的结构和功能,无疑是研究的热点和焦点。对蛋白质相互作用的研究人们已突破了试验的手段,而采取计算的方法对它作进一步的认证和高通量的预测,包括基于基因组方法、基于进化的方法和基于蛋白质序列的从头预测方法等。研究表明,基于基因组和进化的方法都各有其局限性,如基于基因组的方法需要知道全基因组的信息等。而基于蛋白质从头预测的方法它只需要知道蛋白质序列的主要结构,对于序列的长度等都没有限制,因而具有广泛的应用价值。本文利用蛋白质序列从头预测的方法识别相互作用的蛋白质,统计了蛋白质序列的多个特性,如氨基酸的疏水性、蛋白序列的摩尔分子量、极性以及平均隐蔽面积等。并应用BP神经网络和支持向量机(SVM)分类算法对蛋白质相互作用数据集进行了识别与比较。选取MIPS数据库中酿酒酵母(Scerevisiae yeast)相互作用数据集作为我们的标准数据集,其中包括阳性数据集4837对和阴性数据集9674对。实验表明,BP神经网络和SVM都具有较高的准确率,BP神经网络可达到87%以上的正确率并具有较高的敏感性,同时应用SVM的高斯核函数对本数据集也达到了64%以上的正确率,因而都可用于认证和预测由试验手段得到的蛋白质相互作用数据集。另外,通过实验的进一步分析,发现基于蛋白质序列从头预测法结合本文所用的分类算法能够有效的识别相互作用的蛋白质对。