定量构效关系（QSAR）

定量构效关系（QSAR）的核心思想是：分子的生物活性可以由描述其结构的数字来预测，就像房价可以由面积、地段和房间数来估算一样。你收集一组已测得活性的分子，把每个分子转化为描述性数字，再拟合一个把这些数字映射到活性的模型。

具体来说，每个分子被编码为分子描述符，例如亲脂性、极性表面积或某些特征的计数。随后训练一个统计或机器学习模型，使其在给定某个未测试新分子的描述符时，预测其可能的效价或相关性质。经典 QSAR 在少数描述符上使用线性回归；现代变体则可能使用大量描述符和非线性学习器。

QSAR 在排定该合成哪些化合物方面确有用处，但它的好坏完全取决于训练数据，且只在其训练所覆盖的化学空间内有效。一旦被推到该空间之外、用于结构陌生的分子，其预测可能严重失准，这一问题称为适用域。诚实的做法是报告预测的置信度，并且不轻信外推结果。