测序人类基因组工作已经逐步形成,研究蛋白质之间的相互影响及作用成为研究的一个非常重要的课题。如何利用和开发PPIs（Protein-Protein Interactions）信息及PIN（Protein-protein Interactions Network）来分析和预测蛋白质的功能成为了生命信息科学领域的一大热点。本文通过运用基于蛋白质相互作用网络利用生物信息学的预测方法,构建功能蛋白质相互作用的网络,采用蛋白质相互作用网络新的聚类方法,建立细胞功能相关的模型,阐明细胞功能分子运行机制、预测蛋白质功能及相互作用等方面的问题,以解决生物学问题。为更准确预测蛋白质的功能,本文对算术平均最小值的K-means聚类算法进行改进,利用改进的AAMV的K-means聚类算法对蛋白质进行功能预测。首先根据蛋白质之间的相互作用,通过人类AD（Alzheimer’s Disease）相关PPI网络图,得出蛋白质之间的关联矩阵;然后利用AAMV法求得相似度矩阵;最后,在相似度矩阵的基础上,利用本文提出的加权误差平方和准则进行有效收敛,利用改进的K-means聚类方法对PPI网络中的蛋白质进行聚类与功能预测。本文设计实验比较三种改进的算法的AAMV法的K-means,Maryland Bridge和Korbel算法。分析三种算法的时间复杂度发现基于改进的AAMV的K-means算法与Maryland Bridge方法的复杂度均为O（n）, Korbel方法时间复杂度为O（n4）,实验结果发现基于改进的AAMV法的K-means算法与Maryland Bridge方法所得结果的吻合度达到为100%,而与Korbel方法所得结果的吻合度则为97.5%。因此基于改进的AAMV的K-means算法具有较好的时间复杂度和吻合度,能更好地对蛋白质相互作用功能进行预测。