一、QSAR概述：定量构效关系到底是个啥？
说实话，我刚入行那会儿，觉得QSAR这词挺唬人的。
定量构效关系，英文叫Quantitative Structure-Activity Relationship。说白了就是：找出一堆分子的结构特征，跟它们的活性之间存在啥数学关系。
你想想看，一个新药化合物，你不想真的合成几百个再去测活性吧？那太烧钱了。QSAR就是让你根据已有的数据，用模型预测新分子的活性。省时省力，还省钱。
1.1 发展史：这个学科是怎么来的？
QSAR的历史其实不长。我把它分成三个阶段，方便你记。
| 时期 | 代表人物 | 核心贡献 |
|---|---|---|
| 萌芽期（1860s-1960s） | Crum-Brown, Fraser | 首次提出活性与结构之间存在可量化的关系 |
| 经典期（1960s-1980s） | Hansch, Free-Wilson | Hansch方程诞生，引入疏水参数π和电性参数σ |
| 现代期（1990s-至今） | 多种机器学习方法 | CoMFA、HQSAR、深度学习模型百花齐放 |
我记得2015年做那个激酶抑制剂项目的时候，用的还是经典的Hansch方法。后来接触了神经网络，才发现原来QSAR已经进化到这种程度了。嗯，这里要注意：经典方法没过时，只是适用范围不同。
1.2 核心概念：你需要掌握哪三样东西？
做QSAR建模，说白了就三个核心构件：
- 分子描述符：用来描述分子结构和性质的数值。常见的有分子量、logP、氢键供体数、拓扑指数等。
- 生物活性数据：你建模的目标值。比如IC50、Ki、EC50。数据质量直接决定模型好坏。
- 数学模型：把描述符和活性连起来的函数。可以是线性的回归，也可以是随机的森林，或者深度的网络。
我个人习惯的建模三原则：
- 描述符要可解释——别上来就是两千维指纹，谁也看不懂
- 数据要干净——我曾经因为一个样本的SMILES写错，浪费了整整两周调参
- 验证要严谨——内部交叉验证+外部测试集，缺一不可
你可能会问：描述符这么多，怎么选？
我建议先从简单的开始。比如Hansch分析里用的疏水参数π、电性参数σ、立体参数Es。这三个参数虽然老，但物理意义清楚，出现问题容易排查。
1.3 应用领域：QSAR能用在哪些地方？
这些年下来，QSAR的覆盖面越来越广。我帮你列一下最常见的几个方向：
- 先导化合物优化：预测新设计的类似物活性，指导下一步合成
- 毒性预测：比如肝毒性、心脏毒性（hERG通道抑制）——这个我特别想强调，很多药在临床因为毒性倒下，QSAR能在早期筛掉一批
- ADME性质预测：吸收、分布、代谢、排泄——你想想看，一个化合物活性再好，人体吸收不了也没用
- 靶点预测：反向QSAR，根据活性谱推测化合物作用的靶点
- 环境毒理学：预测农药、工业化学品的生态毒性
一个实用技巧：
做靶点预测时，如果活性数据特别稀疏，我习惯先用基于配体相似性的方法打底，再用QSAR模型细化。别一上来就上复杂模型——简单方法能把80%的问题解决掉。
1.4 经典案例：汉施分析，你可能听说过但没动手做过
说起经典案例，Hansch分析是绕不开的。1964年，Corwin Hansch用了一个简单的方程，预测了苯甲酸酯类化合物的抗菌活性：
log(1/C) = a·π + b·σ + c·Es + d其中：
- C 是产生标准生物效应所需的分子浓度
- π 是取代基的疏水参数
- σ 是Hammett电性参数
- Es 是Taft立体参数
- a, b, c, d 是通过多元线性回归拟合的系数
我在2018年复现过一次这个经典案例。说实话，用现在的计算工具（比如Python的scikit-learn）跑，几分钟就出结果。但当年的Hansch老师是用手工计算加最小二乘法完成的——想想就觉得厉害。
这个案例告诉我们一个道理：好的QSAR模型不在于算法多复杂，而在于描述符选对了、数据质量过硬。
1.5 本章知识体系：一张图说清楚
下面这张图，是我自己总结的QSAR知识框架。你可以把它当成一个"导航图"，之后每学完一章，都可以回到这张图来看自己学到哪了。
本章重要提醒：
我刚学QSAR的时候犯过一个错误：拿到数据就急着跑模型，结果R²高达0.95，换上测试集直接掉到0.3。原因？数据泄露了——我把整个数据集随机划分，没有做骨架分割（scaffold split）。
记住：结构相似的分子会出现在同一个骨架里，不分割的话模型只是在"记忆"，不是在"学习"。
1.6 本章小结
这一章，我带你把QSAR的前世今生捋了一遍。
- 你知道了QSAR的三个核心构件：描述符、活性数据、数学模型
- 你了解了主流的应用场景：从药物优化到毒性筛查
- 你看到了Hansch这个经典案例——至今仍有很强的教学和实践价值