根據(jù)蛋白質(zhì)相互作用對蛋白質(zhì)進行功能注釋來源于對已有的實驗信息的觀察和分析。在已有的實驗數(shù)據(jù)中，生物學家發(fā)現(xiàn)，相互作用的蛋白質(zhì)大多具有相同的功能。應用*早*簡單的方法是“連生”法(guiltbyassociation)。其原理是：如果一未知功能蛋白質(zhì)與一已知功能蛋白質(zhì)相互作用，則可以將已知蛋白質(zhì)的功能賦予給未知功能的蛋白質(zhì)。這一原理隨后被進一步地應用到了蛋白質(zhì)相互作用的網(wǎng)絡，稱為多數(shù)決定原則(majorityruleassignment)，即在蛋白質(zhì)相互作用的網(wǎng)絡中，如果與未知功能的蛋白質(zhì)X相互作用的幾個蛋白質(zhì)都具有同一功能，則未知蛋白質(zhì)X也具有相同的功能。當與未知功能蛋白質(zhì)相互作用的幾種蛋白質(zhì)所具有的功能有差異時，則未知蛋白質(zhì)功能的注釋將依據(jù)多數(shù)的原則，即與其他占多數(shù)的蛋白質(zhì)功能一致。但是該方法的缺點是不僅不能對相互作用的兩個蛋白質(zhì)都是未知蛋白進行功能預測，而且對于一個蛋白質(zhì)相聯(lián)的蛋白質(zhì)分屬于不同功能的個數(shù)相同的情況，也很難對該蛋白質(zhì)進行功能預測。為此，Hishigaki等人提出了一種對鄰近的幾個蛋白質(zhì)進行統(tǒng)計的方法，而不僅僅采用與之有直接相關(guān)的蛋白質(zhì)。但是，這個距離的度很難把握。隨后，Zhou等人提出一種非本地方法，即應用表達譜之間相關(guān)性得到的網(wǎng)絡圖中的*短距離來預測蛋白質(zhì)功能。該方法為從非本地化角度提供了一種新的思路。

 

   上面的方法主要是根據(jù)蛋白質(zhì)相互作用網(wǎng)絡的局部進行的功能預測，為了充分利用蛋白質(zhì)相互作用的數(shù)據(jù)更系統(tǒng)地為蛋白質(zhì)賦予功能，又有幾種從全局的角度進行功能預測的方法被開發(fā)出來。Deng等人基于馬爾可夫隨機模型開發(fā)了一個數(shù)學模型，該模型不再是對相互作用蛋白質(zhì)功能之間簡單的查詢，而是應用貝葉斯方法對未知蛋白質(zhì)賦予一個功能并給出一個概率，相當于給了一個可信度。Vazquez等人應用模擬退火算法，對整個網(wǎng)絡中的未知蛋白質(zhì)賦予功能，然后找到能量*低的組合，這樣對每一個未知蛋白質(zhì)都賦予功能，并給出一個概率。Karaoz等人在整合了基因表達數(shù)據(jù)的基礎上應用Hopfield網(wǎng)絡技術(shù)的局部閾值原則(10cal—thresholdrule)使得整個網(wǎng)絡達到一個穩(wěn)態(tài)，這樣對整個網(wǎng)絡中的未知蛋白都進行了功能預測。

 

   在研究蛋白質(zhì)相互作用的過程中，往往會發(fā)現(xiàn)所研究物種的蛋白質(zhì)相互作用的信息少，很難預測與其相互作用的其他蛋白質(zhì)。在這種情況下，可以利用其他物種中的相關(guān)信息來提供幫助。如可以尋找其他物種中與所研究的蛋白質(zhì)同源的蛋白質(zhì)，利用相關(guān)的方法尋找與其相互作用的其他蛋白質(zhì)，然后，再根據(jù)同源性找出所研究物種中的蛋白質(zhì)，從而為實驗提供相關(guān)的線索。