中医理论和药理研究与现代先进计算机技术手段相结合的方案为中药药性理论提供了有力的科学支撑,帮助人们进一步地探究药性规律。中药药性理论包含四气五味、功能主治、归经和升降沉浮等,为临床合理用药提供了指导。植物药在中药中占有较大比重,由于植物生长环境、生长季节等不同,中药各有各的药性特征,这些特征可通过植物的形态学特征反映。现有研究表明植物药的科属亲缘、物象和药性之间可能存在联系,但是目前研究主要采用频数分析方法,无法发现科属与药性之间的潜在关联。本文旨在基于植物药的药性、科属、分子等信息,结合相关性分析、网络医学分析以及机器学习等计算机技术,探索药性科属的网络关联以及潜在分子机制,形成基于植株形态的药性预测分析方法,主要开展如下三部分研究:（1）通过爬虫技术收集并整合植物药相关的基源信息、药性信息（性味归经、功能）、药理信息（成分和靶点）,形成包含中药、科属、药性、成分、基因在内的数据资源。进而,通过结合网络分析方法,开展中药科属、药性的网络机制分析研究,发现了植物药的科属和药性分布规律以及各个科属中药的药性分布规律:500种植物药中,8%的中药来源于菊科、6%的中药来源于豆科,59%的中药味苦,27%的中药具有清热功能。（2）针对中药药性与科属关联机制分析问题,建立了基于关联规则、互信息和统计检验结合的药物科属关联机制分析框架。具体是通过关联规则、互信息等关联分析方法,发现了关系紧密的药性-科属关系对,如:菊科和味苦、姜科和味辛、姜科和归脾经、芸香科和理气等。进而,通过欧氏距离对药性进行一致性分析,发现大部分科属的药性一致性比随机情况更高。然后,基于Fisher精确检验统计分析方法,从成分和靶点两个角度分别开展了中药药性和科属的分子机制分析,结果表明中药药性是通过一些成分和靶点起作用的;同一科属的中药共享一些重要成分和作用靶点。（3）针对中药药性分类问题,提出基于中药形态特征的药性分类方法。首先从中国植物图像库爬取中药对应的基源植物图片,构建了中药基源植物图像数据集。在此基础上,提出了基于植株形态的药性（性味、归经）分类框架,利用传统机器学习和深度学习方法对中药药性进行分类,实验结果显示基于Res Net18的分类模型在性味和归经的任务中均获得了较好的分类性能（F1值达0.91）,表明中药的药性与基源植物形态特征存在潜在关联。