شبکه های زیست شناسی، که عموماً شبکه هاِیی پیچیده و وسیع هستند، حاوی اطلاعات مهمی می باشند. امروزه نظر به پیشرفتِ قابل ملاحظه آنها ، عملیاتی بر روی این گونه شبکه ها برای استخراجِ اطلاعاتی که هر کدام از آنها دربردارند اِعمال می شود. از میان مهم ترین آنها پیدا کردن موتیف های شبکه است. موتیف به صورت الگوهایی از ارتباطات تعریف می شود که در شبکه با فراوانی بیشتری نسبت به حالت تصادفی مشاهده می شود. تحقیقات انجام شده نشان می دهند که چنین ساختارهایی می توانند از لحاظ فعالیت در شبکه دارای اهمیت باشند. تاکنون، الگوریتم های مختلفی برای پیدا کردن زیرگراف های با فراوانی بالا در شبکه های بدون وزن ارائه شده که دو محدودیت اساسی دارند. اول آنکه تقریبا تمام این روش ها فقط قادر به پیدا کردن موتیف در شبکه های بدون وزن هستند. با توجه به رشد شبکه ها در طول دهه اخیر، بررسی خصوصیات دیگری نظیر ناهمگونی یال ها که ورای خصوصیات توپولوژیکی آنها است، نیز حائز اهمیت می باشد. بررسی شبکه های وزن دار به جای شبکه های بی وزن اجازه می دهد ناهمگونی یال ها در شبکه ها نیز مورد بررسی قرار گیرد. یکی از دلایل اصلی فقدان چنین مطالعاتی آن است که در نظر گرفتن وزن یال ها چالش محاسباتی جدیدی را ایجاد می کند. محدودیت دیگر روش های موجود آن است که در شمارش زیرگراف ها فقط زیرگراف های القایی در نظر گرفته شده است. در نظر گرفتن زیرگراف های غیر القایی یک موتیف شبکه در شبکه های برهم-کنش پروتئین، مسئله ای چالش برانگیز وکاملا مطلوب است زیرا این شبکه ها تا کامل شدن و عاری از خطا بودن فاصله بسیار دارند. برهم کنش های گزارش شده توسط این شبکه ها شامل برهمکنش هایی می شوند که به طور اشتباه تشخیص داده شدند و نیز بسیاری از برهمکنش ها تشخیص داده نشده اند. بنابراین وقوع یک موتیف شبکه خاص دریک شبکه ممکن است شامل یال های اضافه در وقوعش در شبکه دیگری باشد و برعکس. یکی از دلایلی که تحلیل الگوهای گراف ها را دشوارتر می کند این است که آنها ذاتا به شکل بردار نیستند و به سادگی نیز قابل تبدیل به بردار نیستند. در این پایان نامه روش جدیدی برای حل دو مشکل مطرح شده در روش های قبل پیشنهاد داده شده است که بر خلاف روش های قبلی ، که هنگام نسبت دادن زیرگراف های یافت شده به گروه های مشابه به بررسی یک ریختی زیرگراف ها (انطباق دقیق) می پردازند، از تطبیق غیر دقیق گراف استفاده می کند. تطبیق غیر دقیق زیرگراف ها در شبکه های برهمکنش موجود که دارای میزان زیادی خطا هستند کاملا مطلوب است. روش پیشنهادی موتیف هایی وزن دار را معرفی می کند که وزن هر یال نشان دهنده امید حضور آن یال در موتیف اجماع حاصل است. برای این منظور با استفاده از چندجمله ای های متقارن ویژگی های طیفی زیرگراف ها بدست آورده می شود و سپس به انطباق وتحلیل بردارهای ویژگی حاصل با استفاده از خوشه بندی به جای طبقه بندی زیرگراف ها می پردازد. نتایج تجربی نشان می دهد دخیل کردن وزن ها می تواند سبب پیدا کردن موتیف و ضدموتیف هایی متفاوت از آنچه توسط روش های موجود بدست می آید، شود. این طور به نظر می رسد که ذات ارتباط بین وزن ها کلی نیست و وابسته به عملکرد شبکه است.