关键蛋白质是细胞生活重要物质基础,其缺失会使生物体致病甚至死亡。准确高效识别关键蛋白质可用于了解细胞功能,并且对药物设计提供极其重要的指导与思路。近年来,高通技术飞速发展,大量蛋白质相互作用（Protein-Protein Interaction,PPI）数据被挖掘出来,许多基于PPI网络的关键蛋白质识别方法被提出,这些方法大致分为两类:一类是基于网络拓扑特征,另一类是融合亚细胞定位等其他蛋白质生物信息。蛋白质重要性不仅仅取决于它的拓扑特征,还包括能反映蛋白质生物特性的生物信息。所以,如何有效整合多元生物信息和网络拓扑信息提高识别率,仍是亟待解决的问题。针对以上问题,本文在深入分析网络拓扑以及生物特征的基础上,融合亚细胞定位等多源生物信息,提出两种不同的关键蛋白质识别方法。本文主要研究内容如下:（1）基于加权子网参与度的多数据源融合关键蛋白质识别针对现有关键蛋白质识别准确率有待提高的问题,提出一种高效关键蛋白质识别方法PDWS（Participation Degree of a Protein in Multiple Data Source Weighted Subnetwork）。首先,融合蛋白质亚细胞定位信息与边聚类系数,基于网络拓扑特征以及蛋白质所在亚细胞位置的重要程度,为PPI赋值权重;其次,在构建加权PPI网络上,提出亚细胞定位区室子网参与度与蛋白质复合物子网参与度指标,衡量蛋白质在网络中的重要性;最后,整合两个子网特征,设计一种关键蛋白质识别方法PDWS。实验结果表明,在DIP与Krogan两个数据集中,该方法识别精度中分别达到76%与73%,均高于其他方法。（2）基于局部功能密度的多源信息融合关键蛋白质识别针对现有识别关键蛋白质的方法并未充分考虑生物学信息,对低连通性的关键蛋白质识别效率不高的问题,提出新的关键蛋白质识别方法LFDI（Local Functional Density Via Multi-Source Information Fusion）。该方法在PDWS方法融合的两种生物信息基础上,通过整合GO注释与基因表达谱信息,提出了局部功能密度中心指标、蛋白质复合物参与度和亚细胞定位分数,以衡量蛋白质在网络中的重要性。为了验证LFDI的性能,在DIP和Krogan两个PPI数据集进行测试,实验结果表明,与最近的PCSD方法相比,LFDI方法可以识别部分具有低连通性的关键蛋白质,具有较高的识别率。本文针对现有关键蛋白质识别方法识别准确率有待提高的问题,提出了新的识别方法。第三章所提方法主要融合两种生物信息,利用构造加权子网内拓扑特征识别关键蛋白质,所以该方法对网络可靠性依赖性较低。第四章融合更多生物信息构造加权网络,提出局部功能密度作为一个评价指标,通过整合网络拓扑特性、子网拓扑特性以及仅利用生物信息计算的亚细胞分数三个指标评价蛋白质重要性,该方法对网络拓扑与生物信息考虑更加全面,在生物信息完善的网络中,可以使用该方法识别关键蛋白质。通过实验结果证实,所提两种方法在识别关键蛋白质方面具有有效性,且具有较高识别准确率。