论文采用药物分子子结构特征表示药物指纹特征，根据药物指纹特征和药物靶点相互作用关系设计靶点指纹特征，通过多个相似度计算方法度量药物靶点的指纹相似度，提出基于指纹相似度的随机森林(fingerprint similaritybased random forest，FSRF)模型分析药物靶点相互作用关系。

    1数据

    论文采用文献[9]的药物靶点数据集，包含酶、离子通道、G蛋白偶联受体和核受体4个子数据集，数据集的药物数目、靶点数目和药物靶点已知相互作用数目见表1。此外，论文采用DrugBank数据库[12]最新药物靶点相互作用数据验证FSRF模型预测结果的有效性。

    3结果

    31分类模型评估仿真实验基于Windows 10操作系统，酷睿i3处理器，8GB内存，R软件开发工具。根据药物KEGG标识符提取药物SMILES编码并确定药物指纹特征。为讨论不同药物分子指纹对分类模型的影响，论文采用maccs指纹、pubchem指纹和standard指纹开展药物靶点相互作用分析。将实验数据集中已知相互作用的药物靶点对视为正样本，将未知相互作用的药物靶点对视为负样本，按照正负样本1∶1比例随机无放回选择负样本 ......