随着大规模测序工具的高速发展,大通量的全基因组得到测序,应用传统的实验方法分析新测序的数据已经远远不能满足当前的要求,而研究基于计算的功能预测方法并揭示这些数据所包含的生物学功能已经成为生物信息学的重要研究课题。蛋白质功能预测的非同源性计算方法主要是通过序列的属性对其进行功能预测,蛋白质的属性相对于序列来说更为可靠。本文的研究工作主要由两个部分组成。一是改进了系统发育谱方法,本文为蛋白质构建了基于权重的系统发育谱,并利用改进后的聚类算法对蛋白质的系统发育谱进行相似性分析,实验结果表明改进后的方法有效地提高了蛋白质功能预测的准确性。其次,用生物信息学方法提取了蛋白质序列的多个特征,并利用SVM和BP神经网络对蛋白质对进行分类,通过蛋白质间是否具有相互作用对蛋白质进行功能预测,实验结果表明基于SVM和BP神经网络的蛋白质相互作用预测方法具有较高的敏感性和特异性。