药物作为诊断、预防和治疗疾病的关键手段,其重要性不言而喻。传统的药物研发的实验周期长、投入成本高、成功率低等弊端使得其不能适应现代药物研发的需求,逐渐被计算机辅助药物设计方法所取代。作为药物研发的基础和关键,药物-靶标相互作用（Drug-Target Interactions,DTI）关系的预测尤为重要。因此,开发可靠的算法进行DTI预测已经成为了计算机和药物研发两个领域重点研究方向。当下新冠肺炎肆虐,疫情可能长期存在于人类生存环境中。与西药相比,中药材种植广泛、使用简便、价格低廉、副作用小,中药的多成分作用机制更适合治疗新冠肺炎不同时期的多种症状,因此在新冠肺炎治疗中卓有成效。当前各国特效药的研发尚处于起步阶段,新冠肺炎的治疗与药物研发刻不容缓。为了解决这一难题,本文依托于国家自然科学基金面上项目“基于多源异构数据的人类冠状病毒药物协同重定位关键技术研究”,利用生物信息学方法从不同方向研究了新冠肺炎药物-靶标之间的复杂关系。论文主要研究内容包含以下三方面:（1）基于网络药理学的中草药麻杏石甘汤治疗新冠肺炎作用机制研究。对于当前新冠肺炎病理机制尚不明确的问题,本文利用网络药理学方法对中草药麻杏石甘汤治疗新冠肺炎的作用机制进行了研究。通过中药数据库TCMSP收集麻杏石甘汤的有效活性成分和靶标,通过基因数据库Gene Cards收集新冠肺炎疾病靶标,利用可视化软件Cytoscape将多药物-多靶标之间复杂作用关系表现成简明的网络结构。通过对网络的分析,得到麻杏石甘汤的主要活性成分有槲皮素、山柰酚、木犀草素、柚皮素等,以及疾病的关键靶标IL6、MAPK3、MAPK8、CASP3、IL10等。最后,通过基因本体富集分析和京都基因与基因组百科全书通路富集分析,得到多个活性成分通过调节炎症和免疫相关信号通路等途径作用于关键靶标的结论,阐述了麻杏石甘汤在新冠肺炎治疗中的作用机制,对新冠肺炎的治疗具有理论与现实意义。（2）基于混合图神经网络的新冠肺炎药物-靶标相互作用预测。对于现有的机器学习和深度学习预测模型存在性能有待提高的问题,以及当前亟待解决的新冠肺炎药物研发问题,本文用混合图神经网络设计了一个DTI预测模型,用于预测药物-靶标结合亲和力（Drug-Target Affinity,DTA）。利用RDKit工具包将药物的简化分子线性输入规范转化成带有特征值的无向图。利用图注意力网络（Graph Attention Network,GAT）与图卷积网络（Graph Convolutional Networks,GCN）组成混合网络计算药物间的隐藏关系,实现药物分子图结构的特征提取;利用一维卷积网络计算靶标间的隐藏关系,实现靶标蛋白质序列的特征提取;将两种特征数据串联后输入全连接层,在输出层进行回归预测,得到DTA。在KIBA数据集中,与Deep DTA、Wide DTA、GAT、GCN和图同构网络（Graph Isomorphism Network,GIN）五个模型相比,本章模型的均方误差分别降低了0.055、0.04、0.001、0.046和0.013,一致性指数分别提高了0.028、0.016、0.003、0.03和0.01,模型性能有明显提升,说明该模型能更准确地预测DTA。最后分析预测结果,筛选得到7种作用于新冠肺炎5个靶标的药物小分子。这些药物为新冠肺炎药物重定位和精准治疗提供参考依据,具有重要意义。（3）药物-靶标相互作用预测系统的设计与实现。以上文研究工作为基础,开发一个简单的基于Py Qt5框架的药物-靶标相互作用预测系统。系统划分成是菜单模块、数据集介绍模块、药物-靶标相互作用预测模块,实现了DTI预测过程的可视化。