Las predicciones de acoplamiento proteína-proteína (PPD) suelen depender del uso de una función de puntuación para clasificar los modelos de acoplamiento generados mediante un muestreo exhaustivo. Para clasificar los buenos modelos por encima de los malos, se han desarrollado y evaluado una gran cantidad de funciones de puntuación, pero los métodos utilizados para el cálculo de las predicciones de PPD siguen siendo en gran medida insatisfactorios. Aquí, informamos sobre una función de puntuación PPD basada en redes, el NPPD, en la que la red consiste en dos tipos de nodos de red, uno para residuos de aminoácidos hidrofóbicos y el otro para residuos de aminoácidos hidrofílicos, y los nodos están conectados cuando los residuos que representan están dentro de una cierta distancia de contacto. Mostramos que los parámetros de la red que calculan interacciones diádicas y aquellos que calculan interacciones heterofílicas de las redes de aminoácidos así construidas permitieron que el NPPD tuviera un buen desempeño en una evaluación de referencia de 115 funciones de puntuación PPD, la mayoría de las cuales, a diferencia del NPPD, se basan en algún tipo de energía de interacción proteína-proteína. También mostramos que el NPPD era altamente complementario a estas funciones de puntuación basadas en energía, lo que sugiere que el uso combinado de funciones de puntuación convencionales y NPPD podría mejorar significativamente la precisión de las predicciones actuales de PPD.