近年来,因为高通量生物实验技术的迅速发展,人们获得了大量的蛋白质相互作用数据和未注释蛋白序列,许多利用蛋白质相互作用信息进行功能预测方法也被提出。这些方法的理论基础是相互作用网络中近距离的蛋白质倾向于具有相似功能。传统的基于蛋白质相互作用网络的功能预测一般只利用蛋白质间相同功能的关联性。然而并非所有的功能都适合利用该种关联进行预测,那些很少与相同功能连接的功能难以通过传统方法进行预测。利用蛋白质相互作用网络的蛋白质功能预测是一个多标签集体分类问题。现实中的多标签集体分类的标签间往往存在更为复杂的关联关系,合理利用这些关联可以弥补传统方法的缺点。本文的工作主要包括两方面：首先是针对蛋白质相互作用网络的不完整性,我们利用蛋白质序列相似度对网络进行加边,之后在网络中进行功能扩散,构建出更加完整的蛋白质相互作用网络;第二步是在蛋白质相互作用网络下提出一种基于功能关联的迭代功能预测算法。在尽可能降低偶然性之后,统计证明蛋白质相互作用网络中确实存在功能基于蛋白质的关联和功能基于相互作用的关联。本文提出的方法能够捕捉这两种依赖关系并用于功能预测。实验结果表明通过网络加边和功能扩散得到的网络预测效果更好,证明网络加边和功能扩散对网络的完整性补充效果较好。此外功能基于蛋白质的关联性和功能基于相互作用的关联性可以有效应用于蛋白质功能预测。本文提出的方法能够从蛋白质相互作用网络中获取更多的有效信息。