癌症是由控制细胞生长机制异常引起的，基因突变，染色体变异，拷贝数变异等都会引发癌症，抗癌药物多种多样，抗癌药物的敏感性研究具有重大意义.　　考虑到基因之间的调控作用，本文提出了一种网络流模型预测抗癌药物敏感性的方法，在此模型中，基因之间原本存在调控作用，假定基因突变，拷贝数变异会对网络流中基因之间的调控作用产生一定的影响.抗癌药物通过作用某一特定的目标靶基因，以此降低细胞通路的活性.我们以实施药物前后通路活性差值的大小作为衡量某一种药物敏感性的指标.基于该假设，我们构造了一个满足所有样本参数的模型，通过交叉验证的方法，此模型具有较好的预测结果，在MAPK通路中，我们得到不同的癌症相关基因对不同药物的敏感性以及不同的药物对不同癌症相关基因的药物作用.根据我们的结果，虽然指向同一靶基因的抑制剂有相似的药物作用，但是它们有不同的抑制机制.通过10轮交叉验证的方法，BRAF和MEK抑制剂预测值与真实值的皮尔逊相关系数大约是0.4，这个结果和弹性网模型的结果是可以比较的.并非使用庞大的基因数据特征，包含转录分析，基因突变和拷贝数变异.我们的特征仅仅是基于MAPK通路的致癌基因的突变和拷贝数变异.因此我们得结果是相当可观的，并且具有较好的泛化能力，此外，不同药物作用整合在同一个模型中，我们可以预测药物组合的敏感性.