基于蛋白质网络，使用图论、复杂网络等相关知识进行关键蛋白质的识别，是十分具有研究意义和价值的。其中H.Jeong[15]等人提出了“中心性-致死性”法则（centrality-lethality rule）,该法则将度数较高即拥有较多邻居节点的蛋白质节点称为hub点，hub点通常处于网络中心的位置，对于整个网络的拓扑结构更具有影响，而hub点的缺失对于整个网络可能是毁灭性的，这也在一定程度上暗示着这些hub点对应的蛋白质分子的缺失可能会导致生命体病变甚至无法存活。“中心性-致死性”法则的核心思想是处于网络中心的节点更倾向于表现出关键性，其对应的蛋白质分子也更有可能是关键蛋白质，基于此思想，衍生出一批基于蛋白质网络的节点拓扑特征的中心性度量的方法。26365
He[16]等通过分析在蛋白质网络中那些拥有较高度的蛋白质节点即hub点更倾向于表现出关键性的原因,提出了蛋白质相互作用的也具有关键性或者非关键性的观点；他们认为hub节点之所以倾向于表现出关键性,是因为该节点的度数越高邻居节点越多,那么它拥有一条具有关键性的相互作用的几率就越大,所以更有可能成为关键蛋白质，这也确实很好的解释了上面提到的“中心性-致死性”法则；同时他们也发现，在蛋白质网络中一些具有较高的度中心性的蛋白质节点并不是关键蛋白质。Li[17]等通过对这类蛋白质节点进行分析，发现这类节点的邻居节点之间很少存在相互作用关系，由此也产生一些利用网络的连通性和模块化特征进行关键蛋白质预测的方法。论文网
除了上面介绍的两类，还有很多利用其它网络拓扑特征进行关键蛋白质预测的方法，但是这些方法大多有着共同的缺陷，就是忽略了蛋白质相互作用网络本身具有的生物意义。而蛋白质相互作用网络作为一种生物网络，它不仅含有网络拓扑信息，也蕴含着生物信息。在识别关键蛋白质的过程中，应该充分考虑到两者的重要作用。研究也已经表明，通过融合多种生物信息有助于获得对基因组组成的更加全面更加准确的认识。目前，基于此思想，一些通过融合基因表达数据来提取蛋白质网络所蕴含着的生物信息的预测方法也已经被提出 关键蛋白质的识别国内外研究现状:http://www.youerw.com/yanjiu/lunwen_20517.html