在定量结构-性质/活性相关（QSPR/QSAR）研究中,分子结构的数值化和建立良好预测的数学模型是两个重要的问题。分子结构（2D/3D）数值化从不同的角度衍生了不同的分子结构表征描述子如量子化学参数、电子参数、几何参数、拓扑指数,其中拓扑指数是计算简便、适用范围较广的常用方法。迄今已有上百种拓扑指数被提出并用于关联化合物的物化性质和生物活性。建立良好的预测数学模型是进行QSAR/QSPR的最终目标,因而在模型中选择合适的变量和选择合适的建模方法是重要的。 本文的主要内容和研究成果如下: 1.将分子的三维结构（以SDF、MOL等文件存储）,转化为二维分子存储HQN编码,以此计算了分子连接性指数、Kappa形状指数、电拓扑状态指数和分子电性距离矢量4类拓扑指数,并且基于此编写了相应的拓扑指数计算系统TOP0.1。 2.提出了芳香性原子的识别算法,该算法减少了以往算法的盲目性,使算法程序在运算速度和识别能力上有较大提高。该算法用于了拓扑指数计算系统TOP0.1。 3.运用遗传算法、偏最小二乘和向后逐步回归变量选择方法,从127个拓扑变量中选择7个建立了良好的拓扑指数与气相色谱保留指数的相关关系模型:平方相关系数R²=0.99998,标准偏差S=2.88;L00（leave-one-out）平方相关系数R_cv²=0.99997,标准偏差S_cv=2.95,并对这些拓扑变量进行了合理的结构解释。 4.使用了正交块变量的方法以及典型相关分析来对108个结构多样化的药物分子在脑血中的分配系数与拓扑指数关系进行了研究,建立了良好的预测模型:相关系数（R）为0.993,标准偏差（S）为0.0946;交互验证相关系数为0.992,交互验证标准偏差为0.0999。