La predicción de la función génica es una tarea complicada y desafiante de clasificación jerárquica multi-etiqueta (HMC), en la que los genes pueden tener muchas funciones al mismo tiempo y estas funciones están organizadas en una jerarquía. Este artículo propuso un nuevo algoritmo de HMC para resolver este problema basado en la Ontología Génica (GO), cuya jerarquía es un grafo acíclico dirigido (DAG) y es más difícil de abordar. En el algoritmo propuesto, la tarea de HMC se convierte primero en un conjunto de tareas de clasificación binaria. Luego, se implementan dos medidas en el algoritmo para mejorar el rendimiento de HMC considerando la estructura jerárquica durante los procedimientos de aprendizaje. En primer lugar, se propone una política de selección de instancias negativas asociada con el enfoque SMOTE para aliviar el problema del conjunto de datos desequilibrado. En segundo lugar, se introduce un método de interacción de nodos para combinar los resultados de los clasificadores binarios. Puede garantizar que las predicciones sean consistentes con la restricción jerárquica. Los experimentos en ocho conjuntos de datos de levadura de referencia anotados por la Ontología Génica muestran el rendimiento prometedor del algoritmo propuesto en comparación con otros algoritmos de vanguardia.