G蛋白偶联受体(GPCR)是一种重要的信号分子受体，在生命活动中起着重要作用，是大约50％所有现代药物的作用目标。随着计算机计算能力的大大增强及人们对生理活性分子与生物分子相互作用更加深刻的认识，使用计算对接方法预测蛋白质与配体间的精确结合模式已成为可能。GPCR-配体计算对接的研究，对计算机辅助药物设计等应用有着重要的意义。　　 使用对接方法通常意味着要生成大量的复合物候选构象，如何从里面挑出最接近天然构象是一个棘手问题。和传统基于能量的方法不同，本文给出了一种基于支持向量回归(SVR)的方法，以候选构象的能量项、对接前后能量项差及配体位置相关特征作为输入，通过预测配体RMSD来挑选最接近天然构象，有助于从对接结果中挑选出更加精确的预测复合物。　　 GPCR的3D同源建模仍是合理药物设计的主要技术，因此在对接中支持受体柔性有着重要的意义。本文从局部和全局两个层面上给出了支持受体柔性的对接方法。首先在对接过程中，根据配体位置信息识别受体局部柔性区域，然后使用Rosetta的loop优化协议来模拟柔性。在5个不同精度的GPCR同源模型与同一个配体对接实例上，发现引入局部柔性能生成更多的高质量复合物构象。其次在对接中使用多个受体构象与同一配体对接，从而实现了在全局构象柔性基础上的对接。　　 通过SVR方法探索得到的对接结果选择方法减轻了对接问题中产生高精度结果的压力，而通过对接过程中受体柔性的引入，又使对接结果有利于产生高精度结果。本文为GPCR-配体高精度计算对接进行了有意的探索。