蛋白质相互作用在生物体的许多生命活动过程中发挥着重要的作用，蛋白质相互作用知识对研究各种疾病的发病机制与治疗、生命活动的分子机制都具有十分重要的意义。传统的用于蛋白质相互作用预测的生物实验方法和高通量实验方法存在诸多缺陷。生物实验方法费时费力、成本高且在技术上也受到相当大的限制；高通量实验方法较之传统的生物实验方法能够测定较大规模的蛋白质相互作用，却存在较高的假阳性和假阴性问题。因此，研究和开发有效的计算方法来预测和分析蛋白质相互作用显得尤为重要。本书正是在深入分析研究了当前基于不同蛋白质属性信息的蛋白质相互作用预测计算方法的优缺点，考虑到基于蛋白质序列信息的计算方法的广泛认可度，采用基于蛋白质序列信息的计算方法来识别未知的蛋白质相互作用对，重点阐述了如何构建基于蛋白质序列的特征提取方法与机器学习算法相结合的有效的蛋白质相互作用预测模型。 本书可作为生物信息学专业的研究生教材，也可作为生物信息领域研究工作者的参考书。

1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 蛋白质相互作用预测方法
1.2.2 相关向量机分类算法
1.3 相关向量机相关理论
1.3.1 相关向量机模型
1.3.2 相关向量机分类算法
1.4 本书主要研究内容
1.5 本书组织结构
1.6 本章小结
2 基于局域蛋白质序列PSSM矩阵编码的串行多特征融合特征提取方法
2.1 引言
2.2 特征提取相关理论介绍
2.2.1 蛋白质序列表示
2.2.2 位置特异性打分矩阵
2.2.3 局域蛋白质序列PSSM矩阵编码
2.2.4 基于PSSM矩阵的局域平均特征提取
2.2.5 基于PSSM矩阵的二元Bi-gram特征提取
2.2.6 特征提取方法步骤和流程图
2.3 实验数据集
2.4 性能评价指标
2.5 实验结果及分析
2.6 本章小结
3 基于灰狼优化和k折交叉验证的组合核相关向量机
3.1 引言
3.2 灰狼优化算法
3.3 交叉验证
3.4 基于灰狼优化和k折交叉验证的智能寻优算法
3.5 智能寻优算法实验结果及分析
3.6 组合核相关向量机
3.7 组合核相关向量机实验结果及分析
3.7.1 基于灰狼优化和k折交叉验证的二次多项式核函数（GWO-5CV-QPRVM）
3.7.2 基于灰狼优化和k折交叉验证的组合核核函数RVM（GWO-5CV-MKRVM）
3.8 本章小结
4 基于AP聚类与Renyi熵融合的自训练半监督相关向量机
4.1 引言
4.2 AP聚类
4.3 信息熵和Renyi熵
4.3.1 信息熵
4.3.2 Renyi熵
4.4 基于AP聚类与Renyi熵融合的自训练半监督相关向量机分类算法
4.5 实验结果及分析
4.5.1 实验数据集
4.5.2 实验结果及分析
4.6 本章小结
5 蛋白质相互作用在线预测系统的设计与实现
5.1 引言
5.2 系统设计与实现
5.2.1 系统设计
5.2.2 系统实现
5.3 本章小结
6 结论与展望
6.1 总结
6.2 展望
变量注释表
参考文献