药物研发是一项耗时较长、风险极高、耗资巨大的系统性工程,一种新药从研发到上市,其平均周期达到10-15年,耗资达数亿美元。运用计算方法能有效缩短药物研发周期,因此受到了广泛的关注。随着高通量生物数据的快速增长,基于网络的蛋白质-药物相互作用预测方法逐渐成为研究热点,然而基于网络的方法存在生物作用机制不明确的问题,同时预测性能也需要进一步提升。本文提出了一种针对DNA结合蛋白的残基三聚体和药物相互作用的网络预测模型,分析DNA结合蛋白与药物的内在相互作用机制。另外,提出了一种基于改进的蛋白质-药物链路预测方法。全文工作包括两个部分:（1）DNA结合蛋白分子片段-药物的相互作用研究。利用蛋白质分子片段（三聚体）来描述DNA结合蛋白,基于物理化学性质的相似性,将分子片段聚类为不同的理化簇群。然后基于药物和簇群的关联关系构建网络。该网络可以分析药物和三聚体结合的物化性质,进而解释DNA结合蛋白-药物的结合机制。基于链路预测模型中的CN方法,采用10折交叉验证进行预测。实验结果表明该网络预测模型能够有效预测蛋白质分子片段-药物的相互作用,并达到较高的预测准确率。（2）蛋白质-药物相互作用的网络预测研究。基于蛋白质-药物相互作用提出了一种网络局部结构的链路预测方法（DLS）,该局部结构主要包括节点度和路径这两个参数。同时引入质量扩散理论,定义网络中蛋白质-药物的相互作用打分,根据打分获得药物的推荐蛋白质,并且根据推荐列表找到药物潜在的靶标蛋白,实现药物的重定位。首先基于已知的蛋白质-药物相互作用建立网络,然后基于DLS方法预测网络中蛋白质和药物的相互作用。与传统的三种方法相比,DLS方法在AUC,AUPR,精度,灵敏度,F1-score和准确性上取得较好的性能。并且预测出三种药物（captopril、desferrioxamine和losartan）的候选蛋白。