分子对接是对分子识别过程的模拟，在分子靶向药物设计等领域中有着广泛的应用。成功的分子对接程序除了需要有效的构象搜索算法，还需要合理的打分函数用于评判分子对接构象以及定量预测分子之间的亲合力。蛋白-配体相互作用打分函数是分子对接程序中最为关键的要素之一。打分函数经过了二十多年的发展取得了一些进步，但是其准确度以及性能仍有待提高。本论文工作即以打分函数为研究对象，试图发展新的策略和方法来提高打分函数的性能。　　在第一部分工作中（详见第二章），我们从本课题组之前提出的知识导向的打分(Knowledge-Guided Scoring，KGS)方法出发，发展了KGS方法升级版（KGS2方法）。KGS方法的核心思想是从一个合适的、亲合力实验值已知的参考复合物出发，计算一个给定的蛋白-配体复合物的亲合力。在搜索参考物复合物的过程中，我们引入三维蛋白-配体相互作用指纹代替基于靶标的药效团模型来比较两个复合物间的相似度。我们将KGS2方法结合三类不同打分函数并测试它们在5种药物靶标上的打分表现。在打分实验中，KGS2方法大幅度提升了打分函数的性能。在对接实验中，可在某些例子中打分函数结合KGS2方法后可以更准确地预测配体的构效关系。KGS2方法可视为现有打分函数的软件补丁，它无需改变打分函数本身，且理论上它的适用于任何靶标蛋白。它可作为一个实用性工具来提升现有打分函数的表现。　　在第二部分工作中（详见第三章），我们强调在以往通用型蛋白-配体相互作用打分函数的基础上发展基于分类的蛋白-配体相互作用打分函数，尝试为每一类型蛋白-配体复合物导出适用的打分函数，从而最终提高对亲合力的预测精度。首先，我们使用了一种数学方法去定义蛋白-配体复合物的类别。接着，我们以类别信息作为目标属性构造决策树，得到蛋白-配体复合物的分类准则。然后，针对训练集中的每一类蛋白-配体复合物，使用稳健回归方法得到相应的打分函数。最后，对于一个待打分的蛋白-配体复合物，我们使用分类准则确定其类别，并使用相应类别的打分函数对其进行打分。结果表明分类策略并没有提高打分函数的预测精度。　　在第三部分工作中（详见第四章），我们尝试使用蛋白-配体结合自由能全景图来预测结合过程的动力学参数。本章工作主要对“构建完整的配体构象空间分布图”进行探索，为后期构建结合自由能全景图做铺垫。我们通过尝试，确定了离散化和剔除平移自由度的方法来定义配体构象的采样空间。为了能够精确描绘蛋白-配体结合自由能全景图，我们计划改进对接软件，提升其亲合力预测精度和构象搜索的多样性。　　在第四部分工作中（详见第五章），为了验证合作者提出的设想—商品化的TMPyP4 tetratosylate稳定DNA G-四链体活性得益于TMPyP4阳离子与tosyl ion的协同作用，我们使用分子模拟方法研究了TMPyP4、Tosyl Ion和人端粒DNA G-四链体的结合模式。我们使用分子对接方法预测了TMPyP4、tosyl ion和人端粒DNA G-四链体的结合模式，使用MD方法对结构进行优化并用MM-GBSA方法预测TMPyP4与G-四链体的结合自由能。最终我们选择了一个夹心结合模型来描述三元复合物的结合构象，并通过计算确认了TMPyP4与tosyl ion之间存在协同作用。从而佐证了合作者的实验结果。