这两篇作为复杂网络入门篇，第一篇从统计分析角度，专注于网络拓扑和动力学机制并讨论了当时主要的建模分析工具以及节点失效或攻击后网络的鲁棒性。第二篇从功能和结构方面系统阐述了复杂网络的重要参数和特征。

以上3篇文章的推荐理由：把复杂网络方法应用于基因蛋白质方面的分析，预测。首先需要对复杂网络甚至复杂系统有一定的了解，此外要处理生物数据，要了解生物数据，基于这2点原因，推荐以上三篇文献，作为生物信息学入门篇。

另外再推荐两篇具体应用。

内容简介：应用有监督机器学习方法基于序列保守性和结构属性进行催化位点预测。

推荐理由：本文对WEKA26类分类器在标准数据集（254个催化残基的79个酶）进行比较，以寻找最好的机器学习方法。