计算机辅助药物分子设计在药物的研发过程中得到了广泛和成功的应用，特别是在利用分子对接方法针对蛋白质结构与小分子数据库进行虚拟筛选以发现新的先导化合物方面已有很多成功的实例报道。但目前虚拟筛选所存在的最大问题仍然为成功率偏低，分子对接给出的结合模式往往与真实的结合模式相差很大。本论文主要围绕以上问题开展研究，通过将基于蛋白质结构的药效团模型与分子对接进行联用，显著地提高了虚拟筛选的成功率和分子结合构象的正确性。 蛋白质与配体的作用规律分析是成功地开展基于结构药物设计的关键。药效团模型可以有效地反映配体与蛋白质的相互作用，代表了一个分子具有某种特定生物活性时所必需的特征。与基于小分子的方法相比，基于蛋白质结构的药效团模型能够直接地对结合性质进行全面分析，更有利于先导化合物的优化。 本论文的主要研究内容可以归纳为以下三个方面： 一、在本实验室发展的药物从头设计LigBuilder程序的Pocket模块基础上，改进得到了独立的基于蛋白结构的药效团模型程序Pocket v.2。 现有的基于蛋白结构的药效团模型方法，最主要的困难存在于直接给出的药效中心数目较多，不能应用于虚拟筛选当中，需依据知识比如已知的多个配体再次给予挑选。Pocket v.2能够籍由一个复合物的结构，通过小分子筛选及中心打分筛选两个关键步骤，自动、快速地推导出具有合理中心数目的药效团模型。得到的模型稳定，受复合物中的小分子变化及小分子诱导的蛋白口袋构象变化的影响较小，并且能够为与同一个小分子结合的两个蛋白推导出相仿的药效团模型。 对药效中心的空间限制，也是影响药效团模型质量的一个重要因素。Pocketv.2为每个氢键中心都设置了一个root坐标，用于限制氢键的角度。对每个中心还会列出相关联的残基，即对蛋白与小分子结合起关键作用的残基。 基于蛋白结构的药效团模型一个重要优势是能够给出已知配体中不存在的可能结合位点，以增加亲合性或选择性。所以除药效中心外，Pocketv.2还会依据蛋白结合口袋的作用模型，提出建议的其它结合中心，用于指导先导化合物的优化。 Pocket v．2也可以处理自由态蛋白结构，此时所有的中心均为建议结合中心。 二、发展了判断药效团模型和多个小分子(或构象)匹配计算的程序Pscore，以及将Pscore与分子对接程序DOCK联用的DOCK-Pscore程序，和Pocket v.2构成了一个利用基于蛋白的药效团模型进行药物分子虚拟筛选的完整方法。 目前虚拟筛选所存在的最大问题在于假阳性和假阴性都偏高，成功率低。现有药效团模型与分子对接程序联用的方法，因基于小分子的药效团模型难以获得，时常借助单个小分子作相似性对比，对成功率提高有限。Pscore程序通过基于蛋白结构的药效团模型对小分子作预筛选，使假阳性和假阴性都得到大幅改善。同DOCK，Scoredock和Glide等程序相比，以DOCK-Pscore的虚拟筛选效率最高，并且结果不受蛋白体系和小分子大小这两大困扰对接效率的因素影响。 虚拟筛选的另一个问题是，分子对接给出的结合模式往往与真实的结合模式相差很大。Pscore程序通过对同一小分子的构象依据药效中心作分类，能够保证为大部分小分子给出的对接构象为正确构象。 三、发展了基于药效团模型的蛋白功能分析程序Pclass。 对蛋白功能分析的方法以基于序列或者整体结构的方法为多，实际影响蛋白功能的关键是结合部位的特征，目前少数由蛋白结合部位出发的方法也是考虑全部口袋残基性质。Pclass以所建立的蛋白质结合部位特征一药效团模型为分析依据，能够更准确地判断目标蛋白与参照系中的哪些蛋白质具有类似的结合属性，应用于副作用分析及老药新用等。 综上所述，本论文通过分析蛋白与配体的相互作用，发展了可以得到可靠的基于蛋白质结构的药效团模型的方法与程序，并成功地将该模型应用于蛋白质与小分子数据库的虚拟筛选中，显著地提高了虚拟筛选的成功率，利用该模型还能够对蛋白的结合功能作细致分析和正确分类。所发展的计算方法与程序可广泛应用于先导化合物的发现与优化过程中，提高药物研发的效率与成功率。