以生物信息学为背景的研究中,蛋白质相互作用相关领域的探索日渐成熟。目前,在蛋白质相互作用基础之上的热点残基以及热区的预测已成为一种关键的研究课题。已有的研究表明,热点残基有聚集形成簇的倾向,这种簇被称为热区。热区的预测研究在蛋白质功能位点探究、蛋白质相互作用设计等蛋白质功能研究上具有重要的理论指导意义。本文提出了一种基于密度聚类和投票分类器的蛋白质相互作用界面上的热区预测方法。首先,结合热区空间密度普遍大于非热区空间密度的特性,利用改进的密度聚类找寻出残基密度较大的簇,初步确定蛋白质相互作用界面上的热区位置;然后,使用投票分类器模型对簇中的残基进行分类。对于每个预测到的簇,使用logistics回归、KNN分类算法和Robetta预测模型作为基分类器构成的投票分类器进行分类,这三种分类器使用的属性包括残基的结构属性、空间距离属性和能量属性。本文将每种基分类器的分类结果进行投票筛选,能增强分类结果的稳定性,同时也能有效地剔除掉簇中的非热点残基,提高预测区域的精度;此外,在之前预测结果基础之上,利用局部社区探测算法将分类中误删的残基进行回收,进一步优化预测精度,取得最终的预测热区。实验结果表明,本文提出的热区预测方法与已有的方法相对比,热区的预测精度以及热区内部热点残基的预测精度均有所提高,具有较好的应用效果。