在化妆品原材料及其产品的毒理评估中,眼部刺激和腐蚀性是不可或缺的毒理学终点。公认的评价化合物眼刺激性的"金标准"是家兔眼刺激实验。这种方法需要消耗大量的实验动物,导致实验成本非常高。此外,对实验动物造成损害,引起了动物保护组织强烈的反对。因此,迫切需要开发具有优秀的预测准确性和鲁棒性的计算机模型作为动物实验方法的替代和补充。目前为止,通过对大量文献^[1-2]和数据库的调研,我们对数据进行了收集和整理,用来构建预测化合物眼刺激性和腐蚀性的数据总量分别为5315个和2255个。我们采用了机器学习方法来构建模型。在眼睛刺激性的模型的预测结果中,训练集的敏感性和特异性高达92%和90%,测试集的敏感性和特异性高达94%和88%。在眼睛腐蚀性模型的预测结果中,训练集的敏感性和特异性高达93%和95%,测试集的敏感性和特异性高达94%和95%。另外,我们采用信息增益技术和子结构频率分析方法,筛选了可能导致眼睛刺激性和腐蚀性的警示子结构片段,为进一步的药物设计与发现提供理论依据。