蛋白质相互作用在生物体的许多细胞过程中发挥着重要的作用，蛋白质相互作用知识对研究各种疾病的发病机制与治疗、生命活动的分子机制都具有十分重要的意义。传统的用于蛋白质相互作用预测的生物实验方法和高通量方法都存在诸多缺陷。因此，研究和开发有效的机器学习算法来预测和分析蛋白质相互作用显得尤为重要。本书围绕基于机器学习算法预测蛋白质相互作用的两个重要方面：特征提取方法和分类算法展开描述。分别描述了一种基于局域蛋白质序列PSSM矩阵编码的串行多特征融合特征提取方法、一种基于灰狼优化和K折交叉验证的组合核相关向量机分类算法、一种基于AP聚类与Renyi熵融合的自训练半监督相关向量机分类算法以及如何设计开发蛋白质相互作用在线预测系统。书中也通过大量篇幅描述了以上机器学习算法在蛋白质相互作用公开数据集yeast和human上的实验分析和验证。