血栓素（TXA2）是有效的血小板活化诱导因子,可以使血管收缩以及血小板聚集。血栓素合成酶（TXS）能够异构前列腺素H2（PGH2）生成TXA2。TXS参与多种生理状态的调节,抑制TXS活性有助于心血管疾病和癌症的治疗。因此,开发TXS抑制剂具有重要意义。本论文旨在构建较为全面的人源TXS抑制剂数据库,基于计算机辅助来预测TXS抑制剂生物活性,并且进一步探索TXS抑制剂的结构与活性之间的关系。论文主要研究了以下方面的内容:（1）TXS抑制剂的定性分类研究。我们建立了一个结构多样化的包含526个TXS抑制剂的数据库。采用自组织映射（SOM）法和随机法以3:1划分数据集。利用MACCS指纹、ECFP4指纹和MOE分子描述子对化合物的分子结构或理化信息进行表征,为了避免冗余将筛选后的描述子作为模型的输入。通过支持向量机（SVM）、随机森林（RF）、极端梯度提升（XGBoost）和深度神经网络（DNN）4种算法建立了24个分类模型。通过DNN算法和MACCS指纹建立的Model＿4A分类效果最好。它在测试集上的预测准确度为0.977,Matthew相关系数为0.952。我们利用分子与模型间的距离(dSTD-PRO)来表征模型的适用域。Model＿4A的测试集中,有95.4%的化合物的dSTD-PRO低于相应的训练集阈值(threshold0.90=0.1440),这些化合物的预测准确率为0.991。（2）TXS抑制剂的构效关系分析。对于MACCS和ECFP4指纹描述子,我们通过决策树特征分析发现含氮芳香环基团与高活性抑制剂的相关性非常强。为了更好的解释这个现象,我们采用Alpha Fold 2构建TXS的蛋白模型,通过分子对接来揭示高活性抑制剂与TXS的相互作用,得到TXS高活性抑制剂的结构特征:分子前部是含氮芳香环,其上的氮原子垂直朝向血红素平面,与血红素中心的Fe2+形成π-阳离子相互作用。分子中部是芳香环结构,可与氨基酸残基形成疏水作用。分子尾部是羧酸等带负电基团,这一结构可与氨基酸残基形成氢键。这些结构利于化合物与TXS结合,可以提高抑制剂活性。我们分析了与活性相关性较强的分子描述子,发现环复杂度、表征分子的极性和脂溶性以及氢键受体、供体的描述子与活性值相关性很高,对化合物的生物活性有显著影响。（3）TXS抑制剂的定量研究。以放射薄层色谱法作为活性测定方法的248个TXS抑制剂构建定量数据集。使用SOM法和随机方法以3:1划分定量数据集,2D分子描述子和Global分子描述子对化合物的分子结构或理化信息进行表征,采用SVM和RF共构建16个预测模型。其中预测效果最好的模型Model＿1D测试集的决定系数为0.824,均方根误差为0.483,平均绝对误差为0.349。我们用Williams图来可视化模型的适用域。Model＿1D的杠杆预警值为0.3065,模型对测试集覆盖率达到96.8%。本论文构建了多个TXS抑制剂分类模型和TXS抑制剂回归模型,这些模型可以用来预测化合物活性,高效筛选高活性TXS抑制剂,加快药物研发进程,减少资金成本。总结的构效关系可以有指导的帮助研究人员设计高活性TXS候选药物。