Исторически всё началось с попыток учёных найти количественную связь между структурами веществ и их свойствами и выразить эту связь в количественном виде, например в виде математического уравнения. Это уравнение должно отражать зависимость одного числового набора (представляющих свойства) от другого числового набора (представляющего структуры). Выразить в числовом виде свойство достаточно просто – физиологическую активность серии веществ можно измерить количественно. Гораздо сложнее численно выразить структуры химических соединений. Для такого выражения в настоящее время в QSAR используются так называемые дескрипторы химической структуры.

Дескриптор – параметр, характеризующий структуру органического соединения, причём так, что подмечаются какие-то определенные особенности этой структуры. В принципе дескриптором может являться любое число, которое можно рассчитать из структурной формулы химического соединения – молекулярный вес, число атомов определенного типа (гибридизации), связей или групп, молекулярный объём, частичные заряды на атомах и т.д.

Для предсказания физиологической активности в QSAR обычно используют дескрипторы, рассчитанные на основе стерических, топологических особенностей структуры, электронных эффектов, липофильности. Значительную роль в QSAR имеют так называемые топологические дескрипторы. Структурные дескрипторы играют важную роль при оценке прочности связывания исследуемого соединения с молекулой-биомишенью, дескрипторы электронных эффектов описывают ионизацию или полярность соединений. Дескрипторы липофильности позволяют произвести оценку способности растворяться в жирах, то есть характеризует способность лекарства преодолевать клеточные мембраны и разного рода биологические барьеры.

Методология QSAR работает следующим образом. Сначала группу соединений с известной структурой и известными значениями физиологической активности (полученными из эксперимента) делят на две части: тренировочный и тестовый набор. В этих наборах цифры, характеризующие активность, уже соотнесены с конкретной структурой. Далее выбираются дескрипторы (в настоящее время придуманы многие сотни дескрипторов, однако реально полезных достаточно ограниченное число; существуют разные подходы к выбору наиболее оптимальных дескрипторов). На следующем этапе строят математическую зависимость (подбирают математическое уравнение) активности от выбранных дескрипторов для соединений из тренировочного (обучающего) набора и в итоге получают так называемое QSAR-уравнение,

Правильность построенного уравнения QSAR проверяют на тестовом наборе структур. Сначала вычисляют дескрипторы для каждой структуры из набора тестовой выборки, затем подставляют их в QSAR-уравнение, рассчитывают значения активности и сравнивают их с уже известными экспериментальными значениями. Если для тестового набора наблюдается хорошее совпадение расчётных и экспериментальных значений, то данное QSAR-уравнение можно применить для предсказания свойств новых, ещё не синтезированных структур. Метод QSAR позволяет, имея в распоряжении совсем небольшое количество химических соединений с известной активностью, предсказать необходимую структуру (или указать направления для модификация) и тем самым резко ограничить круг поисков.

В методологии QSAR выделяют прямую и обратную задачи. Прямая задача QSAR заключается в предсказании активности на основания знания структуры. Обратной задачей QSAR является конструирование химических структур с заданными величинами активностей.

Поскольку речь идет о биологической активности, понятию QSAR близко понятие компьютерное моделирование лекарственных препаратов (или компьютерный дизайн лекарств), в англоязычной литературе термин более устоялся - Computer Aided Drug Design, или сокращенно CADD - савокупность вычислительных методов (в том числе и методов QSAR) и программ, используемых для направленного молекулярного дизайна лекарств (более корректно было бы говорить о потенциальных лекарствах или же о соединениях-лидерах). Хотя о чисто вычислительном дизайне говорить еще рано, поскольку многие свойства потенциальных лекарств в настоящее время можно определить исключительно экспериментальным путем (вычислительные же оценки носят качественный характер). CADD (компьютерный дизайн лекарств) можно рассматривать частным (хотя и наиболее изучаемым) направлением CAMD (Computer Aided Molecular Design), компьютерного молекулярного дизайна. Таким образом компьютерный молекулярный дизайн представляет собой савокупность подходов (методов, программ), используемых для молекулярного моделирования. Фактически экспоненциальное развитие вычислительных методов в последнее десятилетие связано главным образом с ростом мощностей вычислительных ресурсов и во вторую очередь - с развитием разных методов и подходов.

Текущее состояние и перспективы развития QSAR в России

Исследования в области междисциплинарных вычислительных наук (к которым можно отнести QSAR исследования) сранительно молоды. Особенно в России, причем отдельные направления QSAR исследований находятся только на стадии становления. Непростая экономическая ситуация в стране не позволила к настоящему времени сформироваться в РФ сильным научно-исследовательским группам. Есть отдельные ученые пытающиеся заниматься разработками в этой области, но общепризнанных лидеров даже российского уровня (не говоря уж о мировом) нет. Нет доступного отечественного программного обеспечения, в лучшем случае написанные вычислительные программы, распространение которых не выходит за пределы этих групп. В настоящее время тематику QSAR в той или иной степени затрагивают исследовательские группы, работающие в разных российских учебных и научных центрах. Все большее применение методологии QSAR находит в прикладных коммерческих исследованиях.