由冠状病毒所引发的人类疾病,特别是自2019年底爆发并至今大流行的由严重急性呼吸系统综合症冠状病毒2（新型冠状病毒）所导致的新型冠状病毒肺炎（COVID-19）,对人类公共健康造成严重威胁。目前人类解决COVID-19大流行的主要方案之一是接种疫苗。然而,随着新型冠状病毒变种的不断出现以及疫苗的有效性和保护的持久性等问题,疫苗可能无法很好地发挥其作用。因此,寻找抗冠状病毒（特别是新型冠状病毒）的特效药物是最终阻止冠状病毒导致的疾病大流行的主要手段之一。相对于从头开始的药物设计,药物再利用提供了一种时间短、成本低的有效方法。人工智能算法为在已有药物中快速筛选和识别能潜在抗冠状病毒的候选药物提供了一种可行的途径。由于准确的药物-蛋白质相互作用的负样本集难以确定,本研究基于对比式自监督学习和对比式自监督迁移学习预测与冠状病毒蛋白质相互作用的药物。首先,以CNN的不同模块作为生成器和判别器,以交叉熵作为对比损失函数,以预测药物-蛋白质对特征向量的变换方式作为前置任务,设计对比式自监督学习模型。以SVM分类器预测药物-蛋白质相互作用作为下游任务,对设计的对比式自监督学习模型进行评估。利用经处理的药物-冠状病毒蛋白质对作为预测集,利用已训练的SVM预测与冠状病毒蛋白质相互作用的药物。其次,以药物-蛋白质对特征向量经变换得到的增广特征向量的向量空间作为源域,以对比式自监督学习模型预测药物-蛋白质对增广特征向量的类别作为源任务,以药物-蛋白质对特征向量空间作为目标域,以CNN分类器预测药物-蛋白质相互作用作为目标任务,将最终最佳源任务模型中CNN的参数迁移到目标任务的CNN中,设计对比式自监督迁移学习模型。通过对目标任务的CNN进行微调,利用预测集和微调后的CNN预测与冠状病毒蛋白质相互作用的药物。最后,利用vina1.2.3分子对接工具计算预测得到的与冠状病毒蛋白质相互作用的药物和SARSCo V-2奥密克戎变异株感染人体的主要蛋白质之间相互作用的结合能,进而给出可能抗SARS-Co V-2奥密克戎变异株的推荐药物和药物对。