گلبول قرمز از اصلی ترین اجزای خون است و مهمترین وظیفه ی آن، که توسط هموگلوبین موجود در گلبول قرمز انجام می شود، انتقال اکسیژن و دی اکسید کربن است. بسیاری از بیماری های مربوط به گلبول قرمز ناشی از تعاملات نادرست پروتئین-پروتئین می باشد. از این رو، شناخت این تعاملات راهی برای کشف مکانیسم بیماری ها و طراحی داروهای جدید می باشد. بر اساس این اطلاعات روش های مقابله با تکثیر سلولهای سرطانی طراحی می شود و مسیرهای رشد آنها مسدود میگردد.در این پایان نامه به بررسی تعاملات پروتئین-پروتئین در بافت گلبول قرمز با استفاده از روش های کلاس بندی پرداخته ایم. داده های مورد نیاز از پایگاه داده های تعاملات پروتئینی گرفته شده است. 4 نوع مختلف از بردارهای ویژگی با استفاده از توالی آمینواسیدی تولید شده است که شامل درصد فراوانی نسبی آمینواسیدها، واحدهای سه جزئی متحد، گراف آمینواسیدی و خواص فیزیکوشیمیایی است. روش های کلاس بندی استفاده شده شبکه های عصبی مصنوعی، ماشین بردار پشتیبان، مدل های بیز (بیز ساده و شبکه بیزیtan) و جنگل تصادفی می باشد.عملکرد هر 4 ویژگی با وجود تفاوت ابعاد آنها بسیار خوب بوده است و دقت حاصل با توجه به روش مناسب کلاس بندی در حدود 84% می باشد. در بین روش های کلاس بندی دو روش ماشین بردار پشتیبان و جنگل تصادفی بهترین کارایی را در کلاس بندی داده های تعاملات پروتئین-پروتئین در بافت گلبول قرمز داشته اند. ضعیف ترین عملکرد کلاس بندی مربوط به شبکه های عصبی مصنوعی بوده است.