---
title: "蛋白質交互作用網路（Protein Interaction Networks）"
slug: protein-interaction-networks
language: zh-TW
source: https://aiterms.tw/terms/protein-interaction-networks
updated_at: 2026-07-04
tags: [知識圖譜, 機器學習, 資料處理, AI應用, source:arxiv]
ipas_term: false
---

# 蛋白質交互作用網路（Protein Interaction Networks）

蛋白質交互作用網路是描述細胞內蛋白質之間物理與功能連結的圖結構，是理解生命活動與疾病機制的關鍵。

## 完整說明

蛋白質交互作用網路是一種以節點代表蛋白質、邊代表蛋白質間交互作用的圖論模型，用於分析複雜的生物系統。它能夠揭示蛋白質如何協同執行細胞功能，常見應用包括藥物標靶發現、疾病機制分析與蛋白質功能預測。

## 常見問題

### 蛋白質交互作用網路的數據來源通常有哪些？

建構蛋白質交互作用網路的數據主要依賴於高通量生物實驗與計算預測。實驗技術方面，酵母雙雜交系統被廣泛用於檢測蛋白質之間的直接物理結合，而串聯親和純化質譜技術則能識別穩定的蛋白質複合體。在計算預測方面，研究人員利用基因組數據分析基因共表現模式，以及蛋白質結構域的共同出現頻率，藉由機器學習演算法推斷潛在的交互作用。整合這些多源數據，有助於建立更為全面且精確的計算生物學模型。

### 為什麼要使用圖神經網路來分析蛋白質交互作用？

圖神經網路是處理圖形結構資料的深度學習架構，非常適合蛋白質交互作用網路的分析。傳統機器學習難以捕捉複雜的高階網路拓撲。圖神經網路能自動從網路中學習蛋白質節點的向量表示，同時融合節點的鄰居結構資訊與蛋白質本身的屬性特徵。這種端到端學習將圖結構映射為連續向量空間，使連結預測或節點分類變得更準確。它已成為預測未知交互作用的關鍵計算工具。

### 蛋白質交互作用網路如何協助新藥開發？

傳統藥物研發專注於尋找抑制單一致病蛋白質的小分子，但許多蛋白質缺乏合適藥物結合位點。蛋白質交互作用網路提供了網路藥理學的解方。透過分析網路結構，研究人員可尋找與致病蛋白質密切聯繫的其他節點作為替代標靶，或設計能阻斷特定蛋白質交互作用的分子。這不僅擴大了潛在藥物標靶範圍，還能評估脫靶效應，從而優化藥物設計流程。

---

來源：https://aiterms.tw/terms/protein-interaction-networks
快查頁：https://aiterms.tw/terms/protein-interaction-networks
最後更新：2026/07/04
深度解說：https://aiterms.tw/learning/what-is-protein-interaction-networks