药物严重不良反应是药物研发失败，临床停药和药物退市的主要原因，因而对其进行早期预测能够提高药物的治疗效果，降低不良反应产生的毒害风险。不良反应的发生机制复杂，采用低通量的手段进行药物不良反应研究不能准确全面地反映药物不良反应的全貌。为此，我们从全局的角度对药物产生的不良反应进行研究，进而预测药物产生的不良反应。本文利用已知的116，631个药物-不良反应关系对构建药物-不良反应二分网络，网络包含996个药物和4492种不良反应。这种传统的网络由于数据量的庞大呈现出毛球形状，这阻碍了对网络内部数据信息的提取。为此，我们采用power graph analysis对该网络进行压缩，并识别出网络中不完整的二分派系。通过补全二分派系，并考虑了两个power nodes节点之间的平衡以及目标节点在父节点所占的比重问题，预测药物产生的不良反应，同时对二分派系的不完整度和预测结果的关系进行评价，筛选出完整度最大的二分派系结构进行研究，并补全其结构，预测药物潜在的不良反应。基于以上，我们预测出了药物泊沙康唑能产生不良反应:Nervousness、Tension、Blindness、Visual acuity reduced和Visual impairment。5-aminosalicylic acid、sulindac、mirtazapine和valganciclovir均能引起三种不良反应:失去知觉(Loss ofconsciousness)、休克(Shock)和晕厥(Syncope)。