【目的】旨在發現潛在的抗腫瘤藥物作用靶點,為日后臨床工作及實驗驗證提供參考。【方法】從DrugBank數據庫獲取抗腫瘤藥物靶點,結合HPRD數據庫中蛋白質相互作用信息,使用Cytoscape建立藥物靶點PPI網絡并計算網絡節點的拓撲屬性,使用SPSS單因素分析和Weka信息增益原理篩選拓撲屬性變量,采用SMOTE算法處理不平衡數據集問題,利用決策樹方法構建抗腫瘤藥物靶點預測模型,并與其他三種常見的機器學習分類算法模型進行性能比較。【結果】應用決策樹算法構建的抗腫瘤藥物靶點預測模型的預測準確率達73.18%,在CBioPortal中驗證發現,結果中預測分數大于等于0.9的16個靶點在多種腫瘤中存在突變和擴增,并以NR5A1為例進行具體分析。【局限】僅使用抗腫瘤藥物靶點的PPI網絡屬性構建預測模型,未加入靶點的功能、序列屬性等特征。【結論】基于PPI網絡的拓撲屬性,采用機器學習方法對潛在的抗腫瘤藥物靶點進行預測是有效的,可以為抗腫瘤藥物的研發及臨床工作提供一定參考。