蛋白質(zhì)相互作用在生物體的許多細胞過程中發(fā)揮著重要的作用，蛋白質(zhì)相互作用知識對研究各種疾病的發(fā)病機制與治療、生命活動的分子機制都具有十分重要的意義。傳統(tǒng)的用于蛋白質(zhì)相互作用預測的生物實驗方法和高通量方法都存在諸多缺陷。因此，研究和開發(fā)有效的機器學習算法來預測和分析蛋白質(zhì)相互作用顯得尤為重要。本書圍繞基于機器學習算法預測蛋白質(zhì)相互作用的兩個重要方面：特征提取方法和分類算法展開描述。分別描述了一種基于局域蛋白質(zhì)序列PSSM矩陣編碼的串行多特征融合特征提取方法、一種基于灰狼優(yōu)化和K折交叉驗證的組合核相關(guān)向量機分類算法、一種基于AP聚類與Renyi熵融合的自訓練半監(jiān)督相關(guān)向量機分類算法以及如何設(shè)計開發(fā)蛋白質(zhì)相互作用在線預測系統(tǒng)。書中也通過大量篇幅描述了以上機器學習算法在蛋白質(zhì)相互作用公開數(shù)據(jù)集yeast和human上的實驗分析和驗證。