QSAR与性质建模

定量构效关系和构性关系建立统计模型，通过分子结构的数值描述符预测分子的活性或性质。

Definition

经验性的、数据驱动的模型，将编码为描述符的分子结构与测量的性质或生物活性相关联，以用于预测目的。

Scope

涵盖QSAR和QSPR模型的构建、它们使用的描述符和学习算法、验证和适用范围的核心重要性，以及在生物活性、理化性质和ADMET性质方面的应用。区分可解释的经典模型和现代机器学习模型。

Core questions

• 生物活性或性质如何与分子描述符相关联？
• QSAR模型如何验证以确保真正的预测性？
• 适用范围是什么？为什么它很重要？
• 经典QSAR模型和现代机器学习模型有何不同？

Key theories

Hansch分析

将生物活性与亲脂性、电子和空间参数等理化描述符相关联，奠定了定量构效关系的基础。

验证和适用范围

可靠的QSAR需要严格的外部验证和明确的适用范围，因为模型对与其训练数据不同的结构外推能力较差。

Clinical relevance

QSAR和性质模型指导先导化合物优化，优先选择化合物进行合成和测试，并预测吸收、分布、代谢、排泄和毒性，同时为化学品安全的监管评估提供信息。

History

由Hansch和Fujita于1964年通过分析活性与理化参数的相关性而创立，QSAR通过三维和机器学习变体发展，OECD随后规范了用于监管的验证原则。

Debates

验证严谨性和过拟合

高内部拟合统计数据可能掩盖较差的真实预测性，因此持续强调并争论外部验证和适当的适用范围定义。

Key figures

• Corwin Hansch
• Toshio Fujita
• Alexander Tropsha
• Johann Gasteiger

Seminal works

• hansch1964
• tropsha2010

Frequently asked questions

QSAR模型的适用范围是什么？

它是化学空间的区域，由训练数据定义，在该区域内模型的预测被认为是可靠的；对于非常不同的分子的预测应谨慎对待。

QSAR模型如何正确验证？

除了内部交叉验证，它还应该在未用于训练的外部化合物集上进行测试，因为仅凭良好的内部统计数据不能保证预测性能。