1.一种抑制靶标蛋白生物活性的药物化合物分子预测方法，其特征在于，包括：获取抗癌候选药物的分子描述符；

按照对靶标生物活性相关性，从抗癌候选药物的分子描述符中筛选出设定数量的关键分子描述符；

其中抗癌候选药物的分子描述符对靶标生物活性相关性采用皮尔逊相关系数表征；

筛选出设定数量的关键分子描述符的过程为：

采用皮尔逊相关系数计算相关性矩阵，对每项分子描述符进行线性相关分析，得到相关性矩阵；

选择分子描述符，根据相关性矩阵的变量相关性大小，得到相关性较高的设定数量的分子描述符；

将关键分子描述符进行编码，并转换为相应向量表示；

基于预先构建的关键分子描述符特征和靶标生物活性之间的关系模型以及关键分子描述符向量表示，得到最大拮抗靶标生物活性的候选药物抗癌分子；

具体的根据预先构建的关键分子描述符特征和靶标生物活性之间的关系模型，构建出基于药物化合物结构监督下的随机森林模型，进而结合关键分子描述符向量表示，预测最大拮抗靶标生物活性的候选药物抗癌分子；

所述基于药物化合物结构监督下的随机森林模型中内部包含多个决策树，其中，将多个决策树的预测结果取平均得到最终的结果。

2.如权利要求1所述的抑制靶标蛋白生物活性的药物化合物分子预测方法，其特征在于，在所述基于药物化合物结构监督下的随机森林模型中，采用二叉树来表示一类变量。

3.一种抑制靶标蛋白生物活性的药物化合物分子预测系统，其特征在于，包括：候选药物信息获取模块，其用于获取抗癌候选药物的分子描述符；

关键分子描述符筛选模块，其用于按照对靶标生物活性相关性，从抗癌候选药物的分子描述符中筛选出设定数量的关键分子描述符；

关键分子向量表示模块，其用于将关键分子描述符进行编码，并转换为相应向量表示；

最大拮抗分子确定模块，其用于基于预先构建的关键分子描述符特征和靶标生物活性之间的关系模型以及关键分子描述符向量表示，得到最大拮抗靶标生物活性的候选药物抗癌分子；

其中抗癌候选药物的分子描述符对靶标生物活性相关性采用皮尔逊相关系数表征；

筛选出设定数量的关键分子描述符的过程为：

采用皮尔逊相关系数计算相关性矩阵，对每项分子描述符进行线性相关分析，得到相关性矩阵；

选择分子描述符，根据相关性矩阵的变量相关性大小，得到相关性较高的设定数量的分子描述符；

在所述最大拮抗分子确定模块中，根据预先构建的关键分子描述符特征和靶标生物活性之间的关系模型，构建出基于药物化合物结构监督下的随机森林模型，进而结合关键分子描述符向量表示，预测最大拮抗靶标生物活性的候选药物抗癌分子；

所述基于药物化合物结构监督下的随机森林模型中内部包含多个决策树，其中，将多个决策树的预测结果取平均得到最终的结果。

4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑2中任一项所述的抑制靶标蛋白生物活性的药物化合物分子预测方法中的步骤。

5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑2中任一项所述的抑制靶标蛋白生物活性的药物化合物分子预测方法中的步骤。