本论文主要包括两部分工作，第一项工作是使用分子对接和分子动力学模拟等方法研究胰高血糖素样肽-1受体(GLP-1R)的别构机制。第二项工作是使用机器学习方法结合分子指纹和分子描述符构建化合物基因毒性二分类预测模型。　　论文第一章介绍了计算机辅助药物设计和化合物毒性预测中常用的软件工具和方法。　　第二章以分子动力学模拟结合分子对接方法探究了不同调节剂与胰高血糖素样肽-1受体的作用模式以及受体的别构机制，对GLP-1R正变构调节剂的发现具有积极意义。组装已报道的胰高血糖素样肽-1受体的跨膜区域和胞外GLP-1复合结构，得到全长抑制状态的受体结构;利用分子对接方法，将正变构调节剂Compound2和负变构调节剂FP-06372222对接到受体相应作用位点，构建GLP-1R、GLP-1R_GLP-1、GLP-1R_PAM、GLP-1R_NAM和GLP-1R_GLP-1_PAM五个体系;对五个体系分别进行400ns的分子动力学模拟;基于模拟轨迹分析发现，当体系中存在GLP-1时，GLP-1能与受体残基S31、Y152、R190、K197和E387形成稳定的氢键作用，稳定受体构象;当GLP-1和Compound2同时作用于GLP-1R时，能打破TM6和TM7上残基R348和E408间的离子锁，利于G蛋白和受体的结合。比较不同体系胞外(ECD)构象的变化，发现受体激活时，ECD与跨膜区域形成稳定的氢键作用。而受体抑制时，ECD与跨膜区域发生较大偏转，没有氢键作用。本研究有助于发现新的GLP-1R正变构调节剂。　　第三章收集了641个化合物体内微核实验数据，采用49个描述符和6种分子指纹结合6种机器学习方法构建了化合物基因毒性二分类模型;综合五倍交叉验证和外部验证集结果，Pubchem-SVM和MACCS-RF在交叉验证中的准确率在0.88以上，在外部验证集中的准确率在0.9以上，具有较好的预测能力;通过信息增益和子结构频率分析找出10个具有代表性的警示子结构;基于化合物相似性方法给模型定义应用域。本研究中的二分类模型对于初步评估化合物基因毒性具有积极作用。　　论文第四章是全文总结及展望。