其他算法-QSAR

QSAR（Quantitative Structure-Activity Relationship）也被称为定量构效关系，这是目前生物化学领域常用的一个计算模式，在了解QSAR前，先了解SAR（Structure-Activity Relationship）；

SAR为构效关系，指的是分子的结构和性质之间的关系。即相似结构的分子具有相似的性质，可以找到一个映射关系：$$f_{\text{SAR}}:Structure\to Activity$$下面举个例子，我们想要设计一个新的头痛药，我们首先会收集与头痛相关的药物，研究它们在分子结构上的特征，然后我们得到大量药物分子的结构数据，构成集合$Structure$，这其中有些能够治疗头痛，有的不能，我们使用$y=1$标记能治疗头痛的药，$y=0$标记不能治疗头痛的药，这些标记组成$Activity$，我们的目标就是找到一个合适的映射关系$f_{\text{SAR}}$；

QSAR相比SAR，使用了定量的方法确定$f_{\text{SAR}}$；

由于机器学习快速发展，现在主要流行使用机器学习模型拟合映射关系，比如支持向量机，神经网络；

所以目前QSAR的基本做法如下：

• 收集有代表性的药物分子结构，并对每个分子标记是否具有治疗头痛的功能，构成训练集；
• 用机器学习模型拟合训练集，这个模型的功能是：给定一个分子结构，判断它能否治疗头痛；
• 用这个模型预测不在数据集中，但我们感兴趣的药物分子，判断它能不能治疗头痛。

可见，QSAR研究基于生物活性变化与一组化合物中的结构和分子变化相关联，从相关性产生统计模型，以开发数学模型预测新型化合物的生物学特性。