药物分子设计是新药研发的关键阶段,已成为国内外研究热点之一。随着计算机科学技术及生物信息学的蓬勃发展,理性的药物分子设计方法的研究也逐渐趋于成熟。分子对接方法作为一种非常重要的计算机辅助药物分子设计方法,在新药研发领域得到了广泛关注。该方法能大大减少药物设计时间,从而降低其研发成本。分子对接本质上是一个寻找最优结合构象的优化问题,因此如何构造对结合构象进行准确打分的目标函数(打分函数)及选取高效的构象搜索算法是分子对接方法研究的关键所在。目前,常用的打分函数大多都是基于单目标优化设计的,通常可分为三类：基于力场、经验和知识的打分方法,由于对结合模式的关注点不一样,均不能适用于所有体系。尽管打分函数近几十年来取得了巨大进展,但如何提高其准确性仍然是一个急需解决的课题。近来出现一种结合多个打分函数对配体进行分级打分排序的一致性打分的策略,基于该策略的几种对接方法都取得了不错的成绩,由此激发了我们采用多目标方法进行分子对接的灵感,希望在更大程度上提高对接精度。本文中首先引用了三种分别基于力场、经验和知识的打分方法作为子目标,建立了一种多目标药物分子对接模型；由传统的多目标优化问题解法,将其转化为单目标优化问题,然后结合基于信息熵的多种群遗传算法进行构象搜索,该方法综合发挥三种打分方法的优势,考虑了更多影响受体-配体结合自由能的因素,因此能预测得到更合理的结合构象。本人据此研制了药物分子对接多目标优化程序,并通过对134个晶体复合物的结构复原实验测试该程序的有效性,与另外九种对接方法的对接精度进行了对比,统计数据表明本文提出的方法能显著提高分子对接精度。