药物毒理基因组学的出现为药物安全性评价等研究提供了新的手段,也进一步拓展了药物分析学的研究范畴,为药物分析工作者带来了新挑战。作为药物毒理基因组学研究的最主要工具,基因芯片在模式比较和模式分类两大类应用中仍存在诸多问题有待探讨,包括基因芯片模式分类所需样本量、基因芯片分类预测模型的应用域以及如何提高基因芯片模式分类的准确性等。为此,本论文针对基因芯片在上述两大类应用中存在的若干问题进行了深入研究,以期为加快药物毒理基因组学的推广应用提供方法学指导。论文的主要内容及学术贡献如下：1.以黄曲霉素B1为具体对象,研究了基于模式比较的肝毒性芯片分析方法,发现基因芯片能够提供比常规生物化学检测指标和组织病理学更为灵敏的肝毒性检测信息,有望用于肝毒性的早期发现。2.研究提出了一种能够评价终点可预测程度的指标-信噪比范围(SSNR, signal-to-noise ratio),并据此提出了一种估算基因芯片模式分类所需最小样本量的方法。与文献方法相比,本方法更为简便,且具有很强的可操作性,能够准确估算所需实验样本量。3.研究发现基因芯片分类预测模型不存在明确的应用域,即限定模型的应用域不能改善其预测性能,为基于基因芯片的模式分类研究提供了指导。4.研究提出一种可有效评价模型对个体样本的预测性能的指标-预测可信度,并据此建立了基于基因芯片的个体化预测方法,结果表明,通过限定预测可信度有望改善模型的预测性能。5.以8种药物的肝毒性数据为例,将上述样本量估计、应用域和预测可信度等研究结果应用于药物毒理基因组的模式分类研究,证实了采用药物毒理基因组学进行药物安全性预测评价的可行性,并发现不同平台芯片的肝毒性分类结果具有较好的可比性,为整合分析不同平台的芯片数据奠定了基础。