本发明提供一种基于量子门控循环神经网络预测蛋白质药物结合力的方法，属于量子计算领域。因为该方法将包含药物分子序列、蛋白质序列及蛋白质口袋序列的预定序列预处理为对应的降维输入向量，并将该降维输入向量输入量子门控循环神经网络进行量子计算，通过对预定序列输入的特定信息及其对应的隐藏状态进行重置和更新，从而输出预定序列对应的蛋白质药物结合力。所以，该方法满足了门控循环神经网络算法建立序列长期短期依赖关系的需求，并且计算资源消耗少，减少了模型训练的参数、加快了模型的收敛速度，因此在量子芯片和电子芯片的协同工作中具有广泛应用。