人类对某些化合物的发现、合成并最终使用都或多或少的伴随着环境毒性效应增加的风险。因此,找到合适的方法对不同化合物引起的毒性进行评估和预测显得尤为重要。相比于实验测定方法,定量结构—活性/性质关系（QSAR/QSPR）方法因其简单、低成本、易实现、绿色化等特点,近年来在化合物毒性的研究领域日渐受到重视并被广泛应用。QSAR/QSPR是一种被广泛应用于物理化学,药物化学,环境化学,毒理学和其他研究领域的计算机模拟方法,它主要通过计算可以代表分子结构的描述符,建立描述符与化合物性质、活性之间的关系来描述一些已知化合物的作用机理或预测未知化合物的理化性质。本论文以某些化合物的毒性为研究切入点,通过多元线性回归（MLR）和径向基函数神经网络（RBFNN）方法建立QSAR/QSPR模型,分别对纳米材料和混合物等引起的毒性效应进行了分析研究。论文内容如下:（1）建立QSAR模型预测胰腺癌细胞对纳米材料的摄取性质。选择了96种有机纳米材料,根据结构（是否含O=C-O-C=O和苯环）将其分为三类。然后建立对不同纳米材料的细胞摄取准确进行预测的定量纳米结构-活性关系（QNAR）模型。从统计结果来看,建立的QNAR模型具有稳定性和预测准确性,并且对外部数据集也有良好的预测性。另外,此研究为功能纳米材料的结构特征如何影响细胞的摄取性质提供了一些见解。（2）多壁碳纳米管对环境污染物的吸附性质的QSAR方法研究。在本研究中,用QSAR方法建立了预测59种环境污染物在多壁碳纳米管中的吸附性能的模型。模型的统计参数为:对于MLR方法,训练集:N=47,R²=0.886,RMS=0.3374,F=351.71,ρ=11.75;外部测试集:N _ext=12;Q²=0.894,RMS=0.3654,F=75.01;对于RBFNN方法,训练集:N=47,R²=0.906,RMS=0.2903,F=403.84;外部测试集:N_ext=12,Q²=0.894,RMS=0.3654,F=75.01。研究表明这些化合物的吸附能力主要受分子大小、电荷和疏水性因素的影响。（3）用QSAR方法预测二元混合有机化合物的毒性。有机化合物常暴露于环境中,且多以混合物而非单一化学物质的形式对环境和人类健康产生不利影响。我们尝试建立QSAR模型来评估99组二元混合物的毒性。所得模型的统计结果如下:对于MLR模型:训练集:N=79,R²=0.869,LOOq²=0.864,F=165.494,RMS=0.599;外部测试集:N_ext=20,R²=0.853,q² _ext=0.825,F=30.861,RMS=0.691;对于RNFNN模型:N=79,R²=0.925,LOOq²=0.924,F=950.686,RMS=0.447;外部训练集:N_ext=20,R²=0.896,q² _ext=0.890,F=155.424,RMS=0.547。结果证实建立的模型稳定、可靠,可用于预测二元混合物的毒性。（4）用QSAR方法评估不同取代芳香族化合物对纤毛类梨形四膜虫的毒性。建立了QSAR模型评估取代芳香族化合物对梨形四膜虫的毒性。与其他QSAR研究不同的是,根据化合物含官能团（-NO₂,-X）的差异,将整体数据集分成三组并进行了进一步处理,分别建模。从统计结果来看,模型的稳健性和可预测性等均良好,证明该模型能准确预测此类结构化合物的毒性。（5）用QNAR方法预测纳米金属氧化物的毒性。利用计算化学工具（“NanoBRIDGES‖软件）来预测和评估人支气管上皮细胞（BEAS-2B）和小鼠单核细胞白血病细胞（RAW 264.7）中一些金属氧化物纳米颗粒的细胞毒性。所建立模型的统计结果是:BEAS-2B细胞中的MTS测定,N=10,R²=0.9248,R² _adj=0.9462,SEE=5.2574,SDEP=10;BEAS-2B细胞中的ATP测定,N=8,R²=0.9390,R² _adj=0.9146,SEE=2.3919,SDEP=3.7443;RAW 264.7细胞中的MTS测定,N=9,R²=0.8232,R² _adj=0.7171,SEE=3.4252,SDEP=7.7879;RAW264.7细胞中的ATP测定,N=11,R²=0.8263,R² _adj=0.7519,SEE=3.8162,SDEP=7.1379。由于数据集较小,只能将测试集数据的描述性数据值带入原始模型来计算结果值。最后,获得计算值并与原始实验值进行比较,发现建立的模型有较好的可行性。