简介： 本发明公开了一种基于异构网络嵌入的药物靶标相互作用预测方法，该方法基于化学结构相似的药物往往能与相似的靶标相互作用的假设，将药物‑药物相似性网络、靶标‑靶标相似性网络以及药物‑靶标相互作用网络合并到药物‑靶标异构网络中；使用基于起始节点的游走序列，构建神经网络分类模型并将游走序列作为其输入，对分类模型进行训练并学习得到所有节点的向量表示；对于药物‑靶标相互作用的预测，给定一对药物‑靶标对，从学习得到的节点向量中提取对应的药物和靶标的向量表示，并对两个向量进行Hadamard积运算，将得到的结果作为随机森林分类器的输入，得到最终的预测结果。根据实验验证可知，本方法预测效果和适用性较好。