在后基因时代,蛋白质组学已逐渐取代基因组学成为生命医学研究的重点。如何根据蛋白质间的相互作用关系来系统的分析复杂的生命活动已成为当下的研究热点。尤其是在蛋白质网络识别出蛋白质复合物,对预测蛋白功能、解释特定的生物过程具有重要意义。本文在分析蛋白质网络中功能模块的结构特征的基础上,根据传播理论的思想提出了有效识别蛋白质复合体的算法,主要研究工作包括：随着蛋白质相互作用数据的规模日益扩大,基于局部信息的蛋白质网络聚类算法越来越被研究者们所采纳。基于局部信息的蛋白质网络聚类算法,并不从网络全局的角度出发,而依据节点的局部信息,主要依据的是蛋白质网络中每个节点的局部邻居信息进行网络聚类,通常能在较短的时间内就能做到有效地聚类,更加适用于日益增长的蛋白质网络。针对以上问题提出了一种基于传播理论的蛋白质复合物识别算法GO-TSA。将网络中每个蛋白质节点看作一个信号源,每个节点通过相互作用关系互相传播信号,并且每一次的迭代传播过程中,根据邻居节点集合中的最强信号类型来更新自己。实验表明,算法能在很短的时间内对蛋白质网络进行聚类划分,在与CPM算法(k=3)和Core-Attachment算法进行对比实验表明,预测的蛋白质复合物不管是与已知蛋白质复合物的匹配程度还是从复合物功能富集性角度分析,GO-TSA算法均具有更好的识别性能。针对一个蛋白质可能从属多个蛋白质复合物的情况,在GO-TSA算法的基础上,提出了一种重叠复合物挖掘算法GO-OTSA,在该算法中引入了一个新的信号结构(c,b),一个信号类型是否被保留取决于其信号强度大小与最强信号的强度比值大小是否均衡。实验结果表明,GO-OTSA算法能够有效地识别彼此交叠的功能模块,并且算法的蛋白质复合物的识别性能,不管是与已知蛋白质复合物的匹配程度的角度分析还是从功能富集性的角度分析,都有一定的提升。