检测大量未知蛋白质的功能是后基因组时代最紧迫的任务之一。高通量的蛋白质互作检测技术为检测蛋白质功能提供有益的信息。基于这一信息，已经出现一些有效地预测蛋白质功能的方法。但是，这种数据还存在高假阳性率，无时空信息的缺陷，需要引入新的数据源进行筛选。另一方面，现有的方法需要在预测前指定具体的待预测功能类别，而不能利用功能概念间存在的相似关系，使预测结果局限在较为抽象的功能类别上。 GESTs(geneexpressionsimilarityandtaxonomysimilarity)是我们提出的结合基因表达相似性和基因功能分类体系GeneOntology(GO)中的功能概念相似性测度进行功能预测的新方法。本课题将此预测算法推广应用于蛋白质互作数据，并提出了几种在蛋白质互作网络中为功能待测蛋白质筛选邻居的方法，利用基因表达谱数据，通过计算互作蛋白质的表达相关系数，来筛选、优化蛋白质互作网络。与已有的其它蛋白质功能预测方法不同，新方法在学习过程中自动地从功能分类体系中的各个功能类中选择最合适的尽可能具体细致的功能类，利用注释于其相近功能类中的互作邻居蛋白质支持对此具体功能类的预测。 本文使用MIPS提供的酵母蛋白质互作信息与一套基因表达谱数据，利用特别针对GO体系结构层次特点设计的两种概念相似性测度，评价对GO知识体系中的生物过程分支进行蛋白质功能预测的效果。结果显示，使用经过筛选的互作数据，根据邻居计数法和卡方法进行功能预测的预测效果明显提高，距离待测蛋白质较远的邻居也包含着与待测蛋白质功能一致的信息。利用本文提出的新方法，可以大范围预测蛋白质的精细功能。