近些年来，人们越来越关注手性化合物的研究与发展.手性化合物的性质/活性决定了它们化学、生物化学或者环境过程的行为；对于手性化合物的研究，多侧重手性药物的对映体分离，而针对手性化合物QSAR的研究相对较少。　　 本论文的研究，通过拓扑指数、分子形状等方法来有效地表征手性化合物的结构，继而运用统计分析、KNN、Fisher意义下的判别等模式识别、人工神经网络以及支持向量机等方法对手性化合物的结构-性质/活性进行相关性研究，进而开展手性化合物的预测预报。　　 研究工作主要集中在如下几个方面：　　 1.传统的拓扑指数很难区分属于3-D范畴的手性异构体.研究中扩展了由本实验室提出的Am指数，同时利用手性拓扑电荷指数、手性分子连接性指数，预测了3-苯基哌啶类手性药物、28个外消旋类化合物(特殊的氨基酸)的活性，得到了满意的结果。　　 2.利用支持向量机法对14个3-苯基哌啶类手性药物的活性进行了模式识别研究，较好地解决了小样本分类问题：同时，通过对手性药物结构描述参数的正确选择，建立了稳定可靠的定量构效关系模型。　　 3.用相似度矩阵构造数学模型，预测了20-羟基蜕皮甾酮类(20-Hydroxyecdysone)化合物的活性。相似度矩阵是通过提取分子三维结构特征-广义二面角的空间距离来得到。　　 4.在三维空间对分子进行投影，计算出投影得到每一个平面上的投影面积来描述分子的形状。进一步，对分子投影边缘进行了研究，并对化合物的活性进行了预测，从而得到了更好的结果。　　 5.利用VC++实现了统计分析的一些方法，以及数据库源数据导入程序。