定量结构-活性/性质相关性中变量的选择——正交变换法与最优子集回归法的比较

定量结构－活性／性质相关性（QSAR／QSPR）研究的基本依据是化合物的性质与结构具有相关性,所以只要有方法描述化合物的结构（得到X）就可与化合物的性质（作为Y）建立起数学模型,并由引模型预测未知化合物。由化合物的结构可衍生（即描述）出诸多变量,从统计学出发,希望用尽可能少的变量来表征尽可能多的信息（如多元回归分析）。过多的变量不仅计算量大,从而可以导致所得的数学模型不稳定,使预测结果较差^[1],而且不同变量的组合所得结果可能差别很大,由此需要对变量进行压缩和选择。虽然变量的选择是一个非常费时和复杂的工作,但变量选择的好坏对数学模型的稳定性及准确性有致关重要的影响,从某种角度上讲,它能决定一项QSAR／QSPR研究的成败。最简单的选择变量的方法是穷举组合法,但此方法的计算量非常大,特别是当变量数较大时,该方法是实际上是不可行的,尽管用于变量选择的方法已有报道,但问题尚有待进一步研究。本文侧重比较了正交变换法与变量最优子集回归法,得到了很有启示性的结果。     

表面活性剂的QSAR/QSPR研究进展*

本文综述了表面活性剂定量结构-活性/性质相关(QSAR/QSPR)研究的最新进展,以及相关结构描述符在表面活性剂QSAR/QSPR研究中的应用.重点介绍了表面活性剂的cmc和表面张力γ与分子结构的定量关系、离子型表面活性剂电荷分布的定量计算及其对胶体结构与性质的影响.对表面活性剂分子结构与活性/性质的定量相关研究的发展趋势进行了展望.     

How not to develop a quantitative structure–activity or structure–property relationship (QSAR/QSPR)

Although thousands of quantitative structure–activity and structure–property relationships (QSARs/QSPRs) have been published, as well as numerous papers on the correct procedures for QSAR/QSPR analysis, many analyses are still carried out incorrectly, or in a less than satisfactory manner. We have identified 21 types of error that continue to be perpetrated in the QSAR/QSPR literature, and each of these is discussed, with examples (including some of our own). Where appropriate, we make recommendations for avoiding errors and for improving and enhancing QSAR/QSPR analyses.