QSAR 入门：从分子结构预测生物活性

QSAR（Quantitative Structure–Activity Relationship，定量构效关系）是化学信息学最经典的建模范式：用分子的描述符或指纹作为输入，建立「结构 → 生物活性」的定量预测模型。

QSAR 的基本流程

• 特征化：把分子转成描述符或指纹（见 035）。
• 建模：用回归/分类模型（线性模型、随机森林、神经网络）拟合活性。
• 验证：用合理划分的测试集评估，关注泛化而非训练分数。

用好 QSAR 的关键

• 适用域（applicability domain）：模型只在与训练集相似的化学空间里可信，外推要小心。
• 数据质量：活性数据需统一来源与单位，噪声直接决定上限。
• 划分方式：随机划分常高估，优先骨架划分（见 051）。

延伸资源

• 对照：045《QSPR 入门》（预测理化性质）。
• 「AI 模型」模块：活性预测模型与现代方法。