给QSAR模型许一个新年愿望

新年初始，又到了大家写年终总结、做新年计划、列愿望清单的时候。我的QSAR小伙伴陪我度过了辛苦的一年，如果能给每一个建模步骤许一个新年愿望的话，我希望是这样的：

物质活性

成为户口本的户主

先看一段小liu跟客户的对话

（基于事实合理虚构）

搞迷糊了？觉得好笑？这是真实发生在小liu工作中的事情。小liu发现，很多人在谈到QSAR模型时都会谈到哪类物质、算什么描述符，结果要怎么样，但往往会把模型的基础忽略——物质活性。OECD导则中第一条就要求要有明确的物质活性。QSAR是结构—活性关系，没有活性，让结构跟谁搞关系？所以新的一年希望给活性一个正名的机会，如果QSAR建模的步骤是一个家庭，那它才是户口本的户主。

分子描述符

要质量不要数量

表征物质结构的描述符有很多种，电子效应参数、疏水性参数、分子拓扑参数、量子化学参数。人们总是担心自己的描述符不够把物质表征全面，总是想计算出更多的描述符，即使Dragon软件可计算四千多个描述符，还是让人们觉得少了一些。事实上描述符少并不说明模型不好，线性溶解能模型从体积、极性和氢键受体几个方面就可以对物质的性质进行表征，水生生物毒性模型通常使用疏水性一个参数作为描述符。所以呢，QSAR是一个数学魔法，但如果对机理认识准确，几个描述符就足够了，质量比数量更重要。

建模算法

上一堂计算机课程

提到算法，真是一把辛酸一把泪。想当年为了学习各方建模的精髓，小liu翻阅大量文献，结果每天我的内心对话是这样的：MLR(多元线性回归)这个我知道，PLS(偏最小二乘)这个也了解，GA(遗传算法)这个是啥... Monte Carlo method (蒙特卡洛方法)这又是啥... ANN(人工神经网络)、random forests(随机森林)、discriminant analysis(判别分析)这些都是啥啊... 为了搞定这些“妖魔鬼怪”，小liu天天泡在CSDN上刷帖子，硬生生的从学环境的学生变成了程序猿。所以各位想在算法上创新的童鞋们，报个班吧，上一堂计算机课可能是最快的解决办法。

拟合度

增高的同时还要增增肥

“高点，再高点”，建模的人总是像盼着自己孩子身高一样盼着自己模型的R2比别人家高。小liu发现在很多文章中，对模型的表征只有R2和s, 还有很多参数没有表征，小liu有几个问题想问一下：不算R2adj，你确定模型真的好吗？没有Q2，你确定模型稳定吗？没有外部验证，你确定你这模型准确吗？学生要德智体全面发展，模型拟合度表征也不能偏废啊，所以希望新的一年里，各位在给R2增高的同时别忘了在其参数上增增肥。

应用域

做一次全国采访

应用域应该是最被人忽略的。具小liu的不完全统计，一半以上与QSAR模型相关的文献中，都没有对模型的应用域进行表征。模型建出来是要拿来用的，没有应用域让别人怎么用？不止是建模时被忽略，在模型应用时也经常被误解。小liu经常被客户问到：当初说这个性质可以算，那个性质可以算，为什么现在又说算不了了？小liu只好解释：因为你的这个物质特殊。。。不在现有的几个模型的应用域内。。。小liu心里苦但小liu不说，小liu只是希望能对应用域做一次全国采访，郑重的向大家宣布：应用域是模型应用的前提，应用域真的很重要，很重要，很重要。

机理解释

一台X光机器

模型的机理解释应该是建模中最具技术含量的了。从小分子的内外部性质到生物大分子受体的作用模式，各个方面都需要分析。每当有人问我这类物质的作用机理是怎么回事儿时，小liu特别希望身边有一个X光机器，这样就可以轻松的把这些性质里里外外研究个彻底。

他们的新年愿望许好了，你的呢？