蛋白质-配体对接和活性代谢物分类是早期药物筛选中的两个重要问题。蛋白质-配体对接能够预测配体与受体的结合构象,是药物筛选中的重要工具。活性代谢物分类能够找出有药理活性的代谢物并排除有毒的代谢物,加快早期药物筛选进程。但是,传统分子对接的结构采样和打分函数不够准确,限制了对接结果的精度;另外,质谱（MS）等常用实验不能快速对未知代谢物进行分类。因此,亟需发展新的蛋白质-配体分子对接和活性代谢物分类方法,以提高对接精度和分类准确性。本文发展了基于多源信息融合的蛋白质-配体对接方法pmDock。该方法首先利用AutoDock和SwissDock对结构进行采样,然后按结合能排序对采样结果进行筛选。此后,删除两种方法之间几何中心间距大于3A的构象,并比较筛选后的构象与天然态配体几何中心之间的距离。最后,利用K-means算法对上述所得构象进行聚类,找出最佳构象。在CDK4/6抑制剂的分子对接测试中,pmDock的预测精度较传统的AutoDock和SwissDock有较大提高,主要表现为:（1）提高了分子配体几何中心位置的预测精度;（2）提高了复合物结合位点和相互作用的预测精度。测试结果表明,pmDock有效预测近天然态复合物结构,提高复合物结构预测精度,对早期阶段的药物虚拟筛选和评估有较大帮助。有效分类未知活性代谢物是早期药物筛选阶段的重要环节之一,本文发展了基于多源信息融合的活性代谢物分类方法。该方法首先利用VGG-16 网络提取代谢物的质谱图特征,然后对代谢物的质谱图和物理化学性质进行层次聚类和主成分分析。最后,计算了基于多源信息融合的代谢物分类方法的PPV和STY值。在南非爪蛙胚胎单细胞代谢组测试中,该方法可以较好的对代谢物进行分类,主要特征为:（1）理化性质中的氮原子数、氢原子数和氢供体数分类与代谢物质谱图分类吻合程度较好;（2）上述三个理化性质能够很好的把代谢物分成两类。因此,基于多源信息融合的代谢物分类方法可以用于对活性代谢物进行分类并促进早期药物筛选进程。基于多源信息融合的蛋白质-配体对接方法（pmDock）以及活性代谢物分类方法能够提高对接和分类结果的准确性,对早期阶段药物筛选工作中的相关问题提供了新的启示。