1.一种基于混合蛙跳算法识别关键蛋白质的方法，其特征在于，包括以下步骤：

1)将蛋白质相互作用网络转化为无向图

将蛋白质相互作用网络转化成一个无向图G＝(V，E)，其中，V＝{vi,i＝1,2,…,n}为结点vi的集合，E为边e的集合，结点vi表示蛋白质，边e表示蛋白质之间的相互作用；

2)对蛋白质相互作用网络中的边和结点进行处理

计算蛋白质结点的局部平均连通性LAC、蛋白质结点的亚细胞定位分值SC和蛋白质复合物分值PC，计算连接两蛋白质结点的边的结构相似性SS和功能相似性FS；

连接两蛋白质结点的边的权值由式(9)得到：

Weij＝SSij×FSij                       式(9)其中，SSij为连接两蛋白质结点的边的结构相似性，按照式(7)计算：式中，Γ(i)，Γ(j)分别表示结点vi，vj的邻居结点集再加上vi，vj；

FSij为连接两蛋白质结点的边的功能相似性，按照式(8)计算：式中，g(i)，g(j)分别表示注释结点vi和vj的GO术语集合每个蛋白质结点的最终权值FnW(vi)由式(10)得到：其中，InW(vi)为每个蛋白质结点的初始权值，由式(6)得到：InW(vi)＝SC(vi)×PC(vi)                式(6)；

3)随机产生初始青蛙种群

令F为青蛙种群规模，C为需要识别的候选关键蛋白质的数目，即一只青蛙个体的长度，将所有蛋白质结点按照LAC值降序排序，为缩小关键蛋白质的搜索范围，取前2×C个LAC值中大的结点来产生初始种群，TopV为这些蛋白质结点集合；

4)全局搜索过程，将蛙群划分族群

按青蛙个体的适应值Essentiality(f)对青蛙种群进行降序排序，其中f＝1,2…F，记录适应值最高的青蛙Px，把F只青蛙分配到m个族群Y1，Y2，…，Ym中去，满足Yk＝[X(j)|X(j)＝X(k+m×(j‑1))，j＝1,2,…,n，k＝1,2,…,m]，其中，X(j)表示排序后蛙群中的第j只青蛙；

青蛙个体的适应值Essentiality(f)由式(11)得到：

5)在每个族群中进行元进化，即进行局部搜索：k，iter分别表示族群计数器和局部进化计数器，分别用来与族群总数m和局部最大进化次数maxiter进行比较，k＝1，iter＝1，maxiter∈[50，100]；

6)将所有族群的青蛙进行混合，按新的适应值对所有青蛙个体重新进行排序和族群划‑4分，并记录新的全局最优青蛙个体Px(新)，如果Px(新)和Px的适应值之差不小于10 ，转向步骤5)；否则，转向步骤7)；

7)产生关键蛋白质

将最优青蛙个体中的蛋白质作为关键蛋白质输出。

2.根据权利要求1所述的基于混合蛙跳算法识别关键蛋白质的方法，其特征在于，步骤

2)中，蛋白质结点的局部平均连通性LAC由式(1)得到：式中， 表示结点vi的邻居结点集， 是由 中的结点构成的子图， 表示集合 中的任一结点vj在子图 中的邻居结点的数目。

3.根据权利要求1所述的基于混合蛙跳算法识别关键蛋白质的方法，其特征在于，蛋白质结点的亚细胞定位分值SC由式(2)得到：式中，Cl表示一种亚细胞组分，l＝1，2…11，SI(Cl)表示亚细胞组分Cl的重要性得分，由式(3)得到：式中，num()代表Cl中所包含的关键蛋白质的数目，Tnum代表的是关键蛋白总数目；

按式(4)计算蛋白质结点的蛋白质复合物分值：

式中，F(vi)表示结点vi出现在已知蛋白质复合物中的频率，由式(5)得到，FM是所有蛋白质结点中出现在已知蛋白质复合物中的最大频率；

式中，N代表已知蛋白质复合物总数目，若蛋白质结点出现在蛋白质复合物Pt中，则Pt(i)＝1，否则Pt(i)＝0；

每个蛋白质结点的初始权值由式(6)得到：

InW(vi)＝C(vi)×PC(vi)式(6)。

4.根据权利要求1所述的基于混合蛙跳算法识别关键蛋白质的方法，其特征在于，步骤

5)具体操作如下：

5‑1)对第k个青蛙族群中的蛙进行局部思想交流，即进行局部更新，k＝k+1；

5‑2)在青蛙族群Yk中，选出s只青蛙进入子族群sub_Yk，s

5‑3)根据子族群中局部最优青蛙Pb来更新最差青蛙Pw的位置，对于最差青蛙个体Pw，判断它的每一维分量蛋白质是否出现在局部最优青蛙个体Pb中，如若出现，则使该分量蛋白质保持不变；否则的话，选取Pb中的一个分量蛋白以一定概率进行替换，即最差青蛙Pw的位置根据公式Pnl1＝update1(Pw，Pb，r1)进行更新，式中r1为用Pb中的分量蛋白质对Pw中的蛋白质进行替换的概率，Pnl1为最差青蛙Pw根据局部最优青蛙Pb更新之后的新位置；

5‑4)如果通过步骤5‑2)改进了最差青蛙的位置，即最差青蛙在新位置上的适应值比原位置上的适应值高，就用新产生的位置Pnl1取代原来的位置Pw，否则就采用全局最优青蛙Px重新更新最差青蛙个体的位置，判断最差青蛙个体Pw每一维分量蛋白质是否出现在全局最优青蛙个体Px中，如若出现，则使该分量蛋白质保持不变；否则的话，选取Px中的一个分量蛋白进行替换，即最差青蛙Pw的位置根据公式Pnl2＝update2(Pw，Px，r2)进行更新，式中r2为用Px中的分量蛋白质对Pw中的蛋白质进行替换的概率，Pnl2为最差青蛙Pw根据全局最优青蛙Px更新之后的新位置；

5‑5)如果通过步骤5‑3)改进了最差青蛙的位置，即最差青蛙在新位置上的适应值比原位置上的适应值高，就用新产生的位置Pnl2取代原来的位置Pw，否则随机产生处于湿地中的任意位置的蛙来替代最差的蛙，即最差青蛙Pw的位置根据公式Pnl3＝update3(Pw，TopV，r3)进行更新，式中r3为Pw中的每一维分量蛋白质被替换的概率，Pnl3为最差青蛙Pw随机更新之后的新位置；

只要执行以上步骤5‑3)、步骤5‑4)和5‑5中的任何一次更新，都要重新计算本子群的最优青蛙个体Pb和最差青蛙个体Pw；

5‑6)如果iter<＝maxiter，则转向步骤5‑2)；

5‑7)如果k<＝m，则转向步骤5‑1)，否则转向步骤6。

5.根据权利要求4所述的基于混合蛙跳算法识别关键蛋白质的方法，其特征在于，步骤

5‑3)中，最差青蛙Pw的位置更新后得到的新位置Pnl1的计算方法采用算法update1(Pw，Pb，r1)，具体方法如下：Step1：找出在Pb中出现，未在Pw中出现的蛋白质集合Pset1；

Step2：对于分量蛋白质vi∈Pw，判断是否在Pb中出现；

Step3：如果 并且随机数rand>r1，则从集合Pset1随机选取一个蛋白质vj替换vi，并且Pset1＝Pset1‑{vj}；

Step4：重复Step 2‑3，直到Pw中所有的蛋白质都判断完毕。

6.根据权利要求4所述的基于混合蛙跳算法识别关键蛋白质的方法，其特征在于，在步骤5‑4)中，最差青蛙Pw的位置更新后得到的新位置Pnl2的计算方法采用算法update2(Pw，Px，r2)，具体方法如下：Step1：找出在Px中出现，未在Pw中出现的蛋白质集合Pset2；

Step2：对于分量蛋白质vi∈Pw，判断是否在Px中出现；

Step3：如果 并且随机数rand>r2，则从集合Pset2随机选取一个蛋白质vj替换vi，并且Pset2＝Pset2‑{vj}；

Step4：重复Step 2‑3，直到Pw中所有的蛋白质都判断完毕。

7.根据权利要求4所述的基于混合蛙跳算法识别关键蛋白质的方法，其特征在于，在步骤5‑5)中，最差青蛙Pw的位置更新后得到的新位置Pnl3的计算方法采用算法update3(Pw，TopV，r3)，具体方法如下：Step1：找出在TopV中出现，未在Pw中出现的蛋白质集合Pset3；

Step2：对于分量蛋白质vi∈Pw，判断是否在TopV中出现；

Step3：如果 并且随机数rand>r3，则从集合Pset3随机选取一个蛋白质vj替换vi，并且Pset3＝Pset3‑{vj}；

Step4：重复Step 2‑3，直到Pw中所有的蛋白质都判断完毕。