理性药物发现要求人们要尽可能早地对有可能影响候选药物的各方面因素进行评估，因为这些因素可能在接下来的药物开发阶段（临床前、临床和商业阶段）影响候选药物能否成为真正的药物。药物的ADME性质（Absorption:吸收，Distribution:分布，Motablism:代谢，elimination:排泄）的研究是目前药物发现中的一个重要的研究领域，人们已经建立了一些预测化合物ADME性质的计算机模型。　　 在药物开发过程中，化合物ADME性质的不理想是导致候选药物不能成为真正药物的重要原因之一。因此，这就需要人们对先导化合物通过计算机模型进行ADME性质的早期预测。这样做的主要目的是为了增大先导化合物成为药物的可能性。　　 本论文第一部分工作主要对烷基苯的几个重要性质，包括沸点(BP)，摩尔体积(MV)，脂水分配系数(logP)和水溶解度(logS)进行了预测，并建立了相关的定量预测模型。由于每一个烷基苯在苯环上都有六个位置可以取代，所以我们利用含有六个数字编码的方法来描述烷基苯的结构。通过多元线性回归(MLR)和多元非线性回归(NLMR)的方法来建立预测这些性质的定量构效关系(QSAR/QSPR)模型。这些模型显示出了很好的预测能力，所有模型的相关系数的平方都在0.95以上。对于沸点模型，均方根误差(RMS)小于9℃；对于摩尔体积模型，均方根误差（RMS）小于6cm3/mol:对于logP模型，均方根误差（RMS）小于0.23;对于logS模型，均方根误差（RMS）小于0.33。　　 本论文的第二部分工作主要是针对180个含有苯环的羧酸的酸碱解离常数(pKa)进行了预测。因为酸碱解离常数(pKa)是药物最为重要的一个ADME性质，对于药物的发现和设计具有重要的指导意义。含有苯环的羧酸是一类复杂的有机化合物，它们的生物活性已经逐渐引起了人们的重视。我们利用多元线性回归(MLR)的方法建立了一个预测这类化合物的酸碱解离常数(pKa)的定量构效关系(QSAR/QSPR)模型，使用了分子的电荷，轨道和氢键接受能力等六个结构参数作为输入。180个化合物被分为两组：训练集（120个）和测试集（60个），其中训练集是用来建立模型，测试集是用来评价模型的预测能力。训练集的相关系数为0.873，标准偏差为0.34;测试集的相关系数为0.849，标准偏差为0.28。　　 总之，利用我们建立的这些定量构效关系预测模型，可以对类似化合物或药物的有关性质进行预测，从而在药物发现过程中起到一定的指导和帮助。