對靶向蛋白的藥物作用進行預測可以促進藥物新作用的發現。新近的研究更傾向于單獨將特定的矩陣填補算法應用在靶向蛋白和藥物的相互作用預測中。單模型的矩陣填補算法準確度較低，因此應用在藥物—靶向蛋白作用預測方面也難以獲得滿意的結果。AdaBoost 算法是一種由多分類器組合生成強分類器的算法框架，其在分類應用領域的實用性和有效性已被證明。靶向蛋白的藥物作用預測是一個矩陣填補問題，即是一種評分預測過程，因此本文在使用 AdaBoost 算法對藥物—靶向蛋白作用進行預測前，將藥物—靶向蛋白作用預測的矩陣填補問題轉化為分類問題，將 AdaBoost 算法應用在靶向蛋白的藥物作用預測評分上，充分利用 AdaBoost 算法框架對多個弱分類器進行融合從而提升性能，得以進行準確的藥物—靶向蛋白作用預測。基于公測數據集的實驗結果表明，本文提出的算法在預測準確度方面超過了大多數經典算法和新近算法，較好地克服了新近基于機器學習方法單算法的局限性，更好地挖掘隱含因素，有效提升了預測準確度。