本發(fā)明提供了一種靶點蛋白質(zhì)與小分子結(jié)合預測方法及系統(tǒng)，通過獲取待結(jié)合蛋白質(zhì)口袋和待查詢小分子的物理化學特征數(shù)據(jù)；將所述待結(jié)合蛋白質(zhì)口袋和待查詢小分子的物理化學特征數(shù)據(jù)分別轉(zhuǎn)化為口袋向量和小分子向量；將所述口袋向量和小分子向量作為輸入預先設置的基于深度神經(jīng)網(wǎng)絡的預測模型，得到結(jié)合概率的預測結(jié)果。本發(fā)明所提供的方法及系統(tǒng)，提取了相互作用直接相關(guān)的活性口袋部分表示蛋白，有利于去除非相關(guān)信息，減少噪音，進而提高準確性。另外，設計了適合學習向量的神經(jīng)全連接層網(wǎng)絡模型更容易保留更全的信息，通過向量保留了蛋白小分子作用的關(guān)鍵信息，但是又不依賴于蛋白小分子復合物構(gòu)象，為高速準確預測奠定了基礎。