自古以来,植物药是人类防治疾病的主要天然药物,植物中的活性成分是植物药产生疗效的物质基础。长春花碱、青蒿素、紫杉醇等植物活性成分的开发成功,为植物新药研究展示了光明的前景。阐明中药产生药效作用的物质基础,是实现中药现代化研究的关键,需要人们对活性化合物通过计算机模型进行性质的早期预测,这样做是为了增大植物新药开发的可能性。支持向量机是一种有效的人工智能学习算法,在活血化瘀类中药构效关系的研究上,具有较高的分类和预测准确率,显示出了支持向量机算法在研究中药构效关系方面将有很好的应用前景。本论文第一部分主要利用主成分分析法对活血化合物的活性进行预测。通过75种描述符参数对化合物空间结构进行描述,选用与活性贡献值大的9个参数:表面电场区域参数(Jurs-FPSA-1,Jurs-FPSA-3,Jurs-RPCS,Jurs-TASA,Jurs-RPSA),投影参数(Shadow-XZfrac,Shadow-YZfrac),密度(DENSITY),氢键供体数(Hbond donor),建立了相关的定量预测模型。随后,对9个参数做主成分分析(PCA),获得综合初始9参数的3个新参数,3个参数对活性的累计贡献率达82.3%,显示了与活性很好的契合度。3D散点图和二维相关度分析显示活性与Facl有极高的负相关性,Fac1＜1可作为预测活血类化合物的一个重要指标,模型显示出了很好的预测能力。本论文的第二部分,利用支持向量机法对活血化合物建立了构效关系模型。能否根据活血化合物的实验数据对其进行分类,较为准确的预测活血化合物的活性对于备选药物的深入研究具有极其重要的意义。支持向量机建模中以密度(Density)、基于分子表面的弱电场参数(Jurs)、投影参数(Shadaw indices)及氢键供体数(HD)等11个结构描述符为输入,通过支持向量机(SVM)方法对99个活血化瘀类药物的活性建立了构效关系的分类模型。全部化合物被随机分为包含85个化合物的训练集和包含14个化合物的测试集,使用十重交互检验方法选择最优的惩罚函数C=2及核函数参数值γ=16,研究表明这个模型对活血化瘀类药物的活性有很好的预测效果,显示出了支持向量机算法在研究中药构效关系方面有很好的应用前景。总之,我们对上述药物的定量和定性研究,对于未知中药相应性质的分类和预测,更进一步地对于药物的筛选或者新药的合成都具有重要的参考价值。本文用支持向量机这种重要的建模方法建立了以上模型,对支持向量机更广泛的应用于中药研究提供了借鉴和参考。