类风湿性关节炎是一种慢性和进行性自身免疫性疾病,其病理特征是整个身体多个关节出现对称性肿胀和疼痛。它的大多数临床表现是关节炎症,它是所有慢性炎症性关节疾病中最常见的,并影响大多数成年人。基于类风湿性关节炎的发病机理以及相关的分子细胞和病理生理学研究,发现脾酪氨酸激酶（SYK）在类风湿性关节炎的发病机理中起着非常重要的作用。SYK（Spleen tyrosine kinase）全称是脾酪氨酸激酶,是一种非受体型酪氨酸激酶。SYK抑制剂可以用于治疗类风湿性关节炎。本文引用了许多种可以对SYK产生强的抑制活性的小分子物质。根据小分子的活性(p IC50)值,利用Python进行了定量构效关系（QSAR）研究,并建立了训练集、测试集和验证集,使用多种机器学习算法来测试这三个数据集的预测能力,结合四种机器学习算法对SYK抑制剂进行QSAR建模分析,从而筛选出一些特征值描述符对新的SYK抑制剂的活性值进行预测。具体研究内容如下:（1）筛选描述符:通过特定的选择算法对使用的1444个描述符进行筛选,经过三步筛选操作以后,剩余的描述符数量为一百个以内,并且相关性都在0.6以下。自身方差变化都高于0.1。（2）建立QSAR模型:使用随机森林等算法对238个结构多样的SYK抑制剂进行活性预测,并且使用特征值选择算法对剩余的几十个描述符进行特征值选择,最终建立的QSAR模型不但有很好的预测效果,而且还能鉴别出与SYK抑制剂活性相关的重要描述符。同时本文也使用遗传算法耦合支持向量回归技术对SYK抑制剂进行预测,该算法可以同时实现对描述符进行选择和对支持向量机参数进行优化,这样不但可以大大增加模型的计算效率,而且还提高了模型的预测能力。该模型最终给出训练集相关系数R2train=0.94,测试集预测相关系数R2test=0.91。使用建立的模型可以在药物合成前对SYK抑制剂进行筛选、预测和优化。（3）通过以上的这些方法本文产生了最终的结果。特征值选用10个以内的2D描述符,得到的结果分别为:随机森林算法训练集R2=0.91;支持向量机算法训练集R2=0.94;KNN算法训练集R2=0.76;GBRT算法训练集R2=0.88。都达到了较好的结果。本文所建立的模型都展示出了较高的预测能力,它们在药物设计的早期便可以筛选出理想的药物分子,并且可以为以后合成高活性的药物分子提供强有力的理论支持。