La pandemia de la enfermedad por coronavirus 2019 se propaga rápidamente y requiere una aceleración en el proceso de descubrimiento de medicamentos. La reutilización de medicamentos puede ayudar a acelerar el proceso de descubrimiento de medicamentos al identificar nuevas eficacias para medicamentos aprobados, y se considera un enfoque eficiente y económico. La investigación en reutilización de medicamentos se puede realizar observando las interacciones de compuestos medicinales con proteínas relacionadas con una enfermedad (DTI), para luego predecir las nuevas interacciones fármaco-objetivo. Este estudio realizó una predicción de DTI multietiqueta utilizando el algoritmo de red neuronal profunda autoencoder apilado (SAE-DNN). Las características de los compuestos se extrajeron utilizando huellas digitales de PubChem, huellas digitales de luz diurna, huellas digitales MACCS y huellas digitales circulares. Los resultados mostraron que el modelo SAE-DNN pudo predecir DTI en casos de COVID-19 con un buen rendimiento. El modelo SAE-DNN con un conjunto de datos de huella digital circular produjo las mejores métricas promedio con una precisión del 0.831, una recuperación del 0.918, una precisión del 0.888 y una medida F de 0.89. Los resultados de predicción de compuestos herbales utilizando el modelo SAE-DNN con el conjunto de datos de huella digital circular, de luz diurna y de PubChem dieron como resultado 92, 65 y 79 compuestos herbales contenidos en plantas herbales en Indonesia, respectivamente.