面對海量的數(shù)據(jù)以及科學(xué)家們對化學(xué)知識規(guī)律的不斷需求，產(chǎn)生了化學(xué)信息學(xué)這一門新的學(xué)科。針對化合物熔點性質(zhì)和生物活性，本文從下面幾個方面展開化學(xué)信息學(xué)中的QSPR／QSAR研究工作： *章對現(xiàn)今可利用的數(shù)據(jù)庫基本情況進(jìn)行基本說明。
        第 二章則對兩組數(shù)據(jù)進(jìn)行了比較討論，試圖說明在QSAR／QSPR研究中經(jīng)常碰到的一個基本問題。結(jié)果表明LLR(局部模型)對于結(jié)構(gòu)散布度很大的分子結(jié)構(gòu)多樣化的大樣本數(shù)據(jù)沒有效果；但是對于散布度較小且均勻的數(shù)據(jù)集，LLR局部模型能充分表達(dá)近鄰分子所包含的特殊結(jié)構(gòu)特征與分子性質(zhì)之間的關(guān)系，顯示良好模型結(jié)果。
       第三章采用3D-QSAR／QSPR方法(比較分子場)對黃酮類化合物結(jié)構(gòu)與熔點性質(zhì)和蛋白質(zhì)親和性之間的關(guān)系進(jìn)行了討論。文中同時采用新近提出的電性距離矢量、三維全息原子場作用矢量以及分子比較場方法針對41個黃酮類物質(zhì)的GABA_A蛋白受體親和能力，建立了2D、3D-QSAR模型，模型結(jié)果表明，新發(fā)展的描述子能良好地表征分子的結(jié)構(gòu)信息，建立穩(wěn)定的QSAR模型。同時表明2D模型好于3D模型。
        第四章采用兩種結(jié)構(gòu)相似性聚類篩選分析方法對結(jié)構(gòu)多樣性豐富的似藥小分子數(shù)據(jù)庫中的化合物進(jìn)行篩選然后進(jìn)行QSPR建模，對于篩選出的某一類化合物數(shù)據(jù)集，其模型結(jié)果優(yōu)于文獻(xiàn)采用人工神經(jīng)網(wǎng)絡(luò)方法建模。
         第五章則針對物質(zhì)相似性問題，提出了一種基于性質(zhì)的同系物結(jié)構(gòu)相似性度量的概念和方法。文中指出，對于不同的性質(zhì)的同系物，其分子結(jié)構(gòu)的相似度是不同的。

【關(guān)鍵詞】：定量構(gòu)效關(guān)系 局部模型 全局模型 分子比較場 分子結(jié)構(gòu)相似性