1.一种基于多通道图卷积神经网络的蛋白质互作网络节点分类方法，其特征在于：包括如下步骤：步骤一：根据蛋白质相互作用数据构建一个蛋白质互作网络模型G(V,E)，V为节点，E为连边，邻接矩阵用A表示，其中，一个节点表示一个蛋白质，节点集V＝{v1,v2,...,vN}表示蛋白质集合；如果两个蛋白质存在相互作用，则相应的两个节点之间有连边；N表示蛋白质数量，每个蛋白质初始特征向量都用one‑hot向量表示，单位矩阵X为所有蛋白质初始特征向量的组合，C为蛋白质的类别数，已知少部分蛋白质有类别标签，大部分蛋白质没有类别标签；

步骤二：构建多通道图卷积神经网络模型，该模型包含两层结构，第一层有k条通道，其中第i条通道上使用i阶卷积核SGCi，i∈{1,2,...,k}；第二层包含k个三维卷积核，其中第j条通道上使用(k+1‑j)阶卷积核SGCk+1‑j，j∈{1,2,...,k}，网络模型的第i通道由第一层的第i通道和第二层的第i通道组成，其中第一层的第i通道的输出为第二层第i通道的输入；

步骤三：计算i阶卷积核

其中GCN表示不含激活函数的图卷积神经网络，其中1≤i≤k；

步骤四：计算多通道图卷积神经网络模型的第i通道的输出

y(i)＝SGC(k+1‑i)(f(SGCi(X,A)),A)，其中，1≤i≤k，f为relu函数；

步骤五：计算多通道图卷积神经网络模型的模型输出

其中，g为softmax激活函数；

步骤六：计算半监督分类的损失值

其中μ为带标签的节点集，Yij是有分类标签的节点；

步骤七：重复步骤三到六，直到损失值收敛，将得到的Q作为蛋白质互作网络的分类结果。