ABCG2蛋白作为胎盘中的主要外排蛋白之一,负责将外源性物质从胎盘中排出而减少外源性物质的胎儿暴露,因此具有保护胎儿的功能。研究表明,妊娠期间经胎盘转移的环境化合物可能与胎儿的不良健康影响和出生结局密切相关。因此ABCG2蛋白与外源性环境化合物的相互作用以及对化合物的转运机制研究对于进一步评价环境化合物的胎盘暴露风险具有重要意义。本论文采用分子对接（Molecular docking）、分子动力学（Molecular dynamics,MD）、残基相互作用网络（Residue interaction network,RIN）、定量构效关系（Quantitative structure-activity relationship,QSAR）和警示子结构（Structural alerts,SAs）分析等计算生物学方法,对ABCG2蛋白与1100种化合物的结合模式和转运机制进行了系统地研究,构建了ABCG2蛋白转运分子识别的分类预测模型,主要工作内容包括:结合分子对接与分子动力学方法,对ABCG2蛋白与1100种化合物的相互作用和结合模式进行了分析;同时基于ABCG2-化合物复合物结构进行了基于残基距离的残基相互作用网络（RIN）构建以及网络拓扑性质分析。研究结果表明不同结构化合物与ABCG2结合后会导致ABCG2蛋白构象发生不同的改变,这种变化不仅体现在单个氨基酸残基的构象变化,还会导致蛋白的残基相互作用网络发生明显改变。残基相互作用网络作为蛋白结构的特殊表征方式,能够有效捕捉蛋白质构象的关键特征,并通过残基相互作用网络中残基节点网络性质对构象之间的差异进行量化分析。因此,通过构建ABCG2结合化合物后的复合物对应的残基相互作用网络,结合网络中残基节点性质获得RIN网络描述符（RIN descriptors,RINDes）,可以实现对ABCG2蛋白转运化合物的有效识别。选择支持向量机（Support vector machine,SVM）、随机森林（Random forest,RF）、k-最近邻（K-nearest neighbor,KNN）以及逻辑回归分类（Logistic regression,LR）四种机器学习算法,基于化合物一般描述符（General descriptors,Gen Des）、受体-配体相互作用描述符（Receptor-ligand interaction descriptors,Rec Lig Des）以及RIN网络描述符（RIN descriptors,RINDes）,我们开发了一系列的QSAR模型用于识别并分类ABCG2可转运化合物和不可转运化合物。结果显示,RIN网络描述符较其他描述符在分类建模过程中展现出了明显的优势,使用RIN网络描述符构建的随机森林模型具有最优的预测性能。在包含1100种化合物的数据集中,训练集十折交叉验证的准确率（Accuracy）为0.97,精确率（Precision）为0.98,召回率（Recall）为0.96,ROC曲线下面积（Area under receiver operating characteristic curve,AUC）为0.94;测试集预测准确率为0.96。对包含1100种化合物的数据集根据其ABCG2转运活性进行警示子结构提取并分析。结果显示含有蝶啶、甲基喹啉、嘧啶、苯环及其衍生物等芳香环结构的化合物更可能被ABCG2转运。综上所述,残基相互作用网络的构建为配体介导的蛋白构象差异分析以及蛋白构象的量化表征提供了新思路,为转运蛋白分子识别的预测模型建立提供了新方法,为进一步研究环境化合物的胎盘转移机制以及胎儿暴露风险提供了理论依据。