本發(fā)明是一種基于深度學(xué)習(xí)的靶標(biāo)預(yù)測系統(tǒng)，其特征在于，該系統(tǒng)包括通過深度學(xué)習(xí)框架tensorflow進行算法的建模、通過使用RDkit、Numpy、Pandas進行數(shù)據(jù)處理的靶標(biāo)預(yù)測模塊，所述靶標(biāo)預(yù)測模塊包括靶標(biāo)訓(xùn)練階段和靶標(biāo)預(yù)測階段，所述靶標(biāo)訓(xùn)練階段通過對已知分子及其對應(yīng)的靶標(biāo)之間的關(guān)系的訓(xùn)練生成訓(xùn)練模型，靶標(biāo)預(yù)測階段通過將新的分子信息輸入到訓(xùn)練模型中進行新的分子靶標(biāo)概率的預(yù)測，通過對預(yù)測出的靶標(biāo)概率的分析對比確定分子的靶標(biāo)，其中，該系統(tǒng)通過原子之間的化學(xué)鍵作用進行拓?fù)湎噜彽木矸e操作。通過將靶標(biāo)預(yù)測模塊采用深度學(xué)習(xí)框架tensorflow進行算法的建模、使用RDkit、Numpy、Pandas進行數(shù)據(jù)處理的方式使分子與靶標(biāo)之間的關(guān)系的探索更高效準(zhǔn)確，增加了分子靶標(biāo)預(yù)測的準(zhǔn)確率。