预测六种典型药物骨架分子急性口服毒性的化学计量学预测模型及方法

本发明公开了一种预测六种典型药物骨架分子急性口服毒性的化学计量学预测模型及方法。本发明基于可解释的化学计量学与机器学习方法，提供了一种针对六类药物骨架分子(吡嗪、哌嗪、噻唑、噻吩、吲哚、苯并咪唑)的急性口服毒性预测模型，旨在减少动物实验与药物开发成本。本发明通过整合1150个化合物的啮齿类动物毒性数据(大鼠/小鼠LD50)，构建了12个高精度QSAR模型，并结合交叉参照(q‑RASAR)与七种机器学习算法(随机森林、SVM、神经网络等)优化预测性能。本发明为药物研发提供早期毒性筛选工具，显著降低实验成本与周期，同时支持环境风险评估，助力绿色药物设计与化学品监管决策。所有模型及数据已开源，可通过标准化流程应用于新化合物毒性预测。