基于大规模的整合生物学数据进行系统药理学关键预测技术开发能够加速我们从系统水平上开发新型药物和治疗性靶点，然而这方面的研究一直没有取得重大进展。在本研究中，通过有效整合化学、基因组学以及药理学数据我们构建了候选药物吸收、分布、代谢、排泄(ADME)和靶标预测模型并从系统水平上阐释多成分传统中药治疗疾病的作用机制。本研究工作分为三个部分：候选药物人体口服生物利用度预测、多重药物-靶点相互作用鉴定、传统中药治病作用机制分析。(1)候选药物人体口服生物利用度预测：在此工作中，P-gp糖蛋白和细胞色素P450蛋白作为影响药物口服生物利用度的主要屏障被用于构建药物人体口服利用度的QSAR(Quantitative structure–activityrelationship)模型，此模型是基于805个结构差异很大的药物以及药物类似物而构建的。线性方法多元线性回归，偏最小二乘回归和非线性方法支持向量回归被用于此模型的构建中，对所获得的预测模型我们使用了内部五倍交叉验证和外部独立验证进行评估。所得结果展示支持向量回归的预测效果相对较好，对外部测试集其回归相关系数(R2)为0.80，标准误为0.31。多元线性回归和偏最小二乘法的预测效果相对较差，对训练集其回归相关系数分别0.60和0.64，标准误分别为0.40和0.31。我们的研究展现了多元线性回归，偏最小二乘回归和支持向量回归模型在口服生物利用度预测上具有很强的潜力，能够被应用于未来的药物设计中。(2)多重药物-靶点相互作用鉴定：本部分利用了随机森林和支持向量机构建预测模型，对所获得的预测模型使用了内部五倍交叉验证和外部独立验证进行评估，其优化的模型展现了极好的预测效果。同时所得的结果也展现了随机森林和支持向量机两种方法的预测结果具有很强的一致性，进一步证实了所建模型的可靠性和鲁棒性。除此之外，这些被验证的模型也被应用于从系统水平上预测已知的或未知的药物和靶点，涉及酶，G蛋白偶联受体，离子通道和核受体，这些被预测的药物及靶点能够被有效的映射到靶点-靶点相互作用网络以及靶点-疾病相互关系网络上。此途径将有望于填补化学基因组学和网络药理学之间存在的空白以加快药物开发过程。(3)传统中药治病作用机制分析：在这部分我们以心血管疾病为例，通过口服生物利用度预测、靶点预测、网络构建以及功能组数据分析从川芎、降香、延胡索中预测出64个活性分子和在体内靶向的54个心脑血管疾病相关靶标，系统地阐述了中药治疗心血管疾病的潜在机制。该系统方法从网络药理学水平上为中药复方开发和优化研究提供了新的基础理论方法。