生命体的生理功能在很大程度上受到细胞中的蛋白质调控。细胞代谢的过程主要通过蛋白质复合物或者蛋白质与配体结合来完成的。研究表明蛋白质相互作用不仅主导着信号传导与识别、新陈代谢，还影响着复杂蛋白复合物的形成、细胞周期调整、癌症发生以及发展等重要过程。因此，蛋白质间的相互作用研究是一项非常重要的课题，这不仅有利于人类全面、深度的了解生命过程，而且有助于探索疾病的机制、开发生物制药以及精确寻找药物靶标。近些年，在实验室检测技术的高速发展下，蛋白质的序列数据进入了爆发式增长状态，如何有效使用这些蛋白质的序列信息，高效、准确的判断出蛋白质间是否会发生相互作用是目前亟待解决的难题。由于数据量大、实际的交互蛋白质网络又极其复杂导致传统实验的方法已经难以胜任今天的任务。此时，更高效、更灵活、更节省开支的机器学习方法给我们提供了另一个途径去解决这项前所未有的挑战。本文从蛋白质一级序列信息出发，开发了一套基于深度学习的蛋白质相互作用模型，该模型以深度长短时记忆神经网络为预测模型，并考虑了蛋白质序列信息内含的进化信息。该模型在两个蛋白质交互测试集上获得了令人满意的表现。为了证明深度学习的能力，我们比较了我们的方法和著名的支持向量机方法以及其他几种已知方法在相同数据集上的结果。结果表明，我们的方法在各项指标上都远超其他现有技术。