最近，我校徐路教授课题组应化学计量学国际权威期刊Chemometrics and Intelligent Laboratory Systems（SCI二区）编委的邀请，撰写并发表了题为“定量构效关系综述：数据集、分子描述符和数学模型的发展和现状”长篇综述。材料与化工专业硕士研究生李建敏、赵添为本文的共同作者。

开发适用于一般分子的定量构效关系(QSAR)模型对理论化学和分子设计具有重要意义。文章综述了分子QSAR研究的发展和现状，包括数据集、分子描述符和数学模型。代表性的文献计量分析揭示了在过去十年中这一领域的演变趋势，这些趋势表明了人们对广泛适用的QSAR模型的追求。

在回顾和评论现有方法的优缺点的基础上，文章探讨了开发广泛适用和通用的QSAR模型的要求和可能途径。这一目标对QSAR提出了一系列挑战，包括:(1)拥有足够数量的构效关系实例作为训练数据，以应对分子结构和作用机制的复杂性和多样性；(2)开发和使用精确的分子描述符以避免“垃圾进，垃圾出”的情况，同时平衡描述符维度和计算成本；以及(3)使用强大且灵活的数学模型，例如深度学习模型，来拟合描述符和活动之间的复杂函数关系。随着更大、更高质量的数据集、更精确的分子描述符和更强大的机器学习方法的出现，QSAR模型的可解释性和适用范围将不断提高，并在分子设计的各个领域发挥更重要的作用。

作者指出，考虑到著名的AlexNet网络已经学习并分类了1000类图像，QSAR领域最终可能会出现一个单一的网络模型，可以同时学习和预测一般分子的数百或数千个活性或性质。而此前该课题组提出的基于深度学习、高质量电子云/场和大数据的深度电子云/场-活性关系(DECAR/DFAR)方法似乎标志着这一个新阶段的开始。这一综述文章的发表，表明该课题组在QSAR领域的前期研究获得了国际学术界的肯定和关注。

(编辑/易彩霞    一审/贾隆基    二审/徐路    三审/余静)