مقدمه: در شبکه‌های برهمکنش پروتئینی، یک کمپلکس گروهی از پروتئین‌ها است که موجب فرآیند زیستی می‌شوند. شناسایی درست کمپلکس‌ها می‌تواند به فهم بهتر عملکرد سلول‌ها کمک کند تا در اهداف درمانی مانند کشف دارو مورد استفاده قرار گیرد. یکی از روش‌های متداول برای شناسایی کمپلکس‌ها در شبکه‌های برهمکنش پروتئینی، خوشه‌بندی است؛ اما هدف این پژوهش یافتن روشی جدید برای شناسایی دقیق‌تر کمپلکس‌ها است.
روش: در این مطالعه توسعه‌ای–کاربردی از شبکه‌های پروتئینی مخمر و انسان استفاده شد. مجموعه‌های داده‌ای مخمر به نام‌های DIP،MIPS و Krogan به ترتیب دارای ۴۹۳۰ گره و ۱۷۲۰۱ برهمکنش، ۴۵۶۴ گره و ۱۵۱۷۵ برهمکنش و ۲۶۷۵ گره و ۷۰۸۴ برهمکنش و مجموعه داده‌ای انسان دارای ۳۷۴۳۷ برهمکنش است. الگوریتم پیشنهادی و الگوریتم‌های مشهور در شناسایی کمپلکس‌های پروتئینی بر روی مجموعه‌های داده‌ای اجرا شده‌اند و کمپلکس‌های پیش‌بینی شده با مجموعه داده‌های معیار CYC۲۰۰۸ و CORUM مورد مقایسه قرار گرفتند.
نتایج: در این تحقیق روش جدیدی از دسته روش‌های مبتنی بر هسته و پروتئین‌های الحاقی جهت تشخیص کمپلکس‌های پروتئینی استفاده شد که دارای کارایی بالایی در تشخیص بود. هرچه قدر تشخیص کمپلکس‌ها دقیق‌تر باشد، می‌توان پروتئین‌های دخیل در یک فرآیند زیستی را درست‌تر تشخیص داد. معیار‌های ارزیابی نشان داد که روش پیشنهادی، بهبود قابل‌توجهی نسبت به دیگر روش‌ها دارد.
نتیجه گیری: با توجه به نتایج به دست آمده مشاهده شد که روش پیشنهادی تعداد مناسبی از کمپلکس‌های پروتئینی را شناسایی نمود و بیشترین نسبت معنی‌داری زیستی را در همکاری عملکردی پروتئین‌ها دارد.
