化学化工产品的使用和我们的日常生活息息相关。现如今,已登记生产和使用的化学品和化学品混合物已经超过35万种。这众多的化合物在其产品的整个生命周期都有可能暴露在环境之中,从而有可能对环境安全和人类造成威胁。生物降解性是化合物分子可以在生物的生命活动代谢过程中被分解利用从而从环境中去除;生物富集因子是在生物体内有机相中某种化学物质的平衡浓度与该化学物质在环境水相中的平衡浓度的比值,可以用来衡量生物从环境之中吸收并积累某种物质的程度。这两者都是化合物风险评估中必不可少的指标,而使用实验法测定,又难以对大量化合物进行管理,因此寻找高效有效的计算方法预测生物降解性及生物富集因子很有意义。随着计算技术的发展,同时人们已经通过传统的毒理学实验方法测试了大量的化合物,为计算机的数据分析提供了基础可靠的化合物结构数据和毒性数据。通过数学建模等计算机辅助手段,我们可以进行计算毒理学的研究,即探寻化合物分子结构与毒性之间的规律并进行计算机建模预测。本论文的主要工作如下:（1）构建了化合物生物降解性的定性分类模型。收集了1958个化合物生物降解性的数据。选用了CORINA理化性质描述符、MACCS子结构指纹描述符和ECFP4指纹描述符来对数据集中化合物进行分子表征。使用了支持向量机（SVM）、决策树（DT）、随机森林（RF）、深度神经网络（DNN）4种机器学习算法,以不同的算法和描述符组合总共构建了189个能够预测化合物生物降解性的计算机模型。其中使用MACCS指纹和DNN算法的模型Model D2表现最好,训练集预测准确率（Q）达到89.55%,马修斯相关系数（MCC）为0.76,而测试集Q=90.08%,MCC=0.77。通过定量构型关系分析,发现对于化合物的生物降解性来说,溶解度、分子的电负性、分子的电荷、分子的可旋转键数、分子的原子极化率、分子量等理化性质可能起到关键作用。化合物分子中芳香性的环结构以及氮和卤素原子都有碍于化合物的生物降解性,而酯基基团有益于化合物的生物降解。根据子结构片段在两类化合物出现的频率差值,找出了生物降解性化合物和难降解性化合物中的代表性子结构片段,这些子结构片段将对以后的化合物的风险评估起到一些警示性作用。（2）构建了预测化合物具体生物富集因子的回归模型。收集了1294个化合物在鱼类的生物富集因子数据,使用CORINA和RDKit两种分子描述符对具有实验生物富集因子数据库中的化合物进行表征。运用支持向量回归、随机森林回归算法与不同的描述符组合,构建了8批共400个预测模型。最终得到的8个模型在测试集的相关确定系数R~2基本都大于0.7,平均方误差MSE也小于0.6,这说明模型对于生物富集因子预测效果较好。其中最优模型Model F4（使用56个RDKit描述符和支持向量回归算法构建的模型）训练集R~2=0.9,MSE=0.19,测试集R~2=0.79,MSE=0.42,验证集R~2=0.73,MSE=0.52。通过定量构型关系分析,发现化合物的油水分配系数（log P）的特征权重高于其它的特征,说其对于化合物的生物富集因子影响至关重要。尝试只使用一个log P描述符对化合物的生物富集因子进行预测,发现模型效果并不好,说明只是油水分配系数并不能很好地表征化合物分子。同时也发现化合物分子直径和表面积大小对生物富集有重要影响,分子量小的化合物分子有利于生物吸收。本论文从计算预测的角度研究了化合物的生物降解性和分子结构之间的关系、化合物生物富集因子与分子结构之间的关系,构建了一系列可靠的计算机预测模型,通过分析模型的预测结果和模型所使用的描述符,探寻出了化合物分子本身结构与毒性间的一些规律。这些模型及结论可以为以后化学品的风险评估和数据管理提供一些参考。