在药物的研发过程中,通常要考虑药物的吸收、分布、代谢、排泄和毒性五个特征,其中毒性主要包括致癌性、致畸性、致突变性和肝毒性等重要特性。肝脏作为人体的重要器官,对有害物质特别敏感,在新陈代谢中起着关键作用。同时,药物诱导的肝损伤则是药物研发失败和被市场撤回的主要原因之一。因此,对化合物肝毒性的研究有着十分深刻的意义。研究肝毒性的传统方法包括体内和体外方法,但这些方法通常伴随着过程复杂、耗时长、成本高昂并且成功率低的缺点。随着传统方法弊端愈发显著和计算机技术的飞速发展,越来越多的毒理学研究者开始利用计算机模拟方法对肝毒性进行评估。通过计算机对肝毒性进行评估,即在一定量的数据集的基础上利用机器学习的方法对化合物的分子结构进行建模评估,具有快速、经济和易于实现的特点,被认为是肝毒性筛查的重要替代技术。本系统建模过程主要依托R语言进行计算,以从各文献和各药物组织搜集的大量化合物及其肝毒性作为数据支撑,将支持向量机(SVM)、随机森林(RF)和极限梯度提升(XGB)三种机器学习算法为基算法,对化合物的12种分子指纹分别建模共形成36个基模型,而后通过对这36个模型进行混合集成选出表现最佳的模型。最后得到的表现最好的模型的五折交叉验证结果的准确率为71.1±2.6%,AUC值为76.4±2.6%,在外部测试集中准确率为84.3%,AUC值为90.4%,达到肝毒性测试领域很高的水平。本系统的搭建在Linux操作系统下进行,前端由Html+Css+JavaScript建立,后台使用Apache+PHP+MYSQL环境,利用集成的最佳模型对输入化合物的肝毒性进行预测,并实现了注册登录模块、数据准备模块、分类预测模块、结果分析模块和系统管理模块。不仅能将分析结果清晰地展示在系统中,并能为用户包括提供结果查询、结果下载和用户管理等功能,极大地方便了肝毒性研究者。无论在功能方面还是在性能方面均达到预期的水平。