高效、便捷地预测有机物的性质要求替换、减少或改进相关试验方法在有机物性质测试中的运用。定量结构-活性/性质相关(QSAR/QSPR)模型可将化合物的生物活性/理化性质与其化学结构的理论计算或实验描述相联系,因此建立QSAR模型预测有机物的相关性质非常必要。本文的研究内容主要包括:(1)本论文选取了两组数据,第一组数据是一些化学物质对大型水蚤的急性水生毒性数据,主要是以碳、氢、氧为主要元素的化合物,即醇、酮、酚类和醚类化合物;第二组是有机物的生物可降解性数据。该系列化合物主要是以苯环为主体的化合物,取代基分别为卤素原子、烷基、酚羟基、醇羟基、酮基、羧基等。两组均为结构较为复杂的非同系物化合物。(2)利用ADMEWORKS model builder(版本6.0)软件对两组数据分别进行描述符的计算和选择,然后分别以LC50(48小时内造成50%大型水蚤死亡的有毒化学物质浓度)和BCF(生物浓缩系数)为因变量、描述符为自变量进行定量构效关系模型的建立。建立模型之前,将所有数据进行归一化处理。(3)在归一化后的样本中随机选择20%左右的样本作为外部测试集,然后利用球型排除算法(Sphere-exclusion Algorithm)将其余样本分为训练集和内部测试集,最后采用建模方法——k NN加权回归(k NN Weighted Regression)建立预测模型,对外部测试集采用共识方法(Consensus Method)来提高模型的预测能力。本文中k NN加权回归建模方法共有3种,区别体现于样本权重和性质的计算公式有差异。(4)为了更全面地研究三种基于k NN的QSAR模型的建模能力,连续3次随机改变外部测试集的组成。(5)比较3种k NN加权回归建模方法、k NN加权回归建模方法与共识方法、k NN加权回归建模方法与基于蒙特卡洛集群分析进行的回归建模方法之间的差异性。(6)基于蒙特卡洛集群分析的思想,首先随机形成多个数据集,对大型水蚤的急性水生毒性和有机物的生物可降解性进行多次回归建模,进而对得到的外部测试样本的预测性质进行统计分析,来综合评价和比较不同建模方法的优劣性。通过对用三种不同的k NN加权回归进行一次建模的结果统计分析,三种k NN加权回归模型与最佳单个模型和共识模型之间的预测结果无显著性差异。采用共识建模方法只提高了部分k NN加权回归QSAR模型的预测能力。而蒙特卡洛集群分析建模的结果表明,上述的结论更具有普遍性。因此在研究k NN加权回归QSAR模型的预测能力时有必要利用蒙特卡洛集群分析法进行多次建模,以便在更广阔的范围内考察模型的差异性。