药物筛选的目的就是寻找可以与靶标大分子结合并产生生物活性的配体分子,但现有药物筛选指标(类药性、类先导性等)均没有将蛋白质活性位点的信息考虑在内。由于蛋白质活性位点的信息都被编码在能够与蛋白质结合的配基分子中,可以利用配基分子的信息指导药物设计。为此,本论文提出一个全新的指标——生物相关性。所谓生物相关性,是指对一个分子来源于生物合成可能性及其对生物体生存的重要性的度量。本论文利用化学信息学方法,通过计算机编程实现该指标的表征,并对该指标在药物设计与发现中的潜在应用进行了初步研究。首先,基于候选化合物库与标准生物相关分子(BRCD)的相似性(Molprint 2D),设计了一个全新的算法实现生物相关性的表征。通过对DNP、CMC、MDDR、ACD-3D数据库进行计算,验证了该指标的合理性;通过对比CMC和MDDR中同活性的化合物、MDDR中不同开发阶段的化合物以及不同上市年代的药物,发现生物相关性可以很好的区分药物和候选化合物,提高化合物的生物相关性有助于提高药物筛选成功率,这表明生物相关性可以有效的应用于药物设计领域。其次,分别构建基于初级代谢产物(Pri-BRCD)和天然产物(NPRCD)的样本数据库,采用相同的算法重复对上述体系的研究,发现基于BRCD的判别效率要优于以Pri-BRCD和NPRCD为样本库的研究结果,说明BRCD更适合应用于药物开发,也证实了本论文初步研究出发点的正确性。再次,利用贝叶斯归类算法重复对上述体系的研究,对比基于分子相似性算法与贝叶斯判别分析的优劣。结果表明,本研究提出的基于分子相似性的算法在打分上具有归一、区分度高的特点,具有明显的优越性;同时,利用Pipeline Pilot软件实现了以上两种算法的自动计算流程。最后,通过分子描述符的计算和相关性分析,给出了生物相关性的主要影响因素,对比该指标与毒性、类药性等现有指标的关系,探讨生物相关性的本质。本论文提出的生物相关性,是一个基于生物配基的、全新的药物筛选指标,从算法上看,该方法不需要负样本,打分具有归一、对称的优点。该指标可以有效的应用于候选化合物库的设计、生物相关分子的定向合成等领域,对于今后的药物开发具有重要的指导意义。