CODRUG：面向药物研发的QSAR机器学习可视化分析工具

本文介绍CODRUG，一款基于PyQt5开发的QSAR分析图形化工具，集成分子描述符生成、特征工程、模型构建与验证等完整流程，为药物化学研究者提供零代码的机器学习解决方案。该工具由Moisés Maia维护，开源且已在巴西国家工业产权局（INPI）注册为计算机程序，旨在简化传统QSAR建模的复杂流程，降低机器学习在药物研发中的应用门槛。

定量构效关系（QSAR）分析是预测化合物生物活性的核心手段，通过结构-活性关联建模可缩小实验筛选范围，降低研发成本。但传统QSAR流程涉及数据收集、描述符计算、特征选择等多环节，需专业软件和统计知识，门槛较高，限制了机器学习的普及。CODRUG的设计目标正是简化这一流程，让研究者专注科学问题而非技术细节。

CODRUG提供端到端QSAR分析能力，主要模块包括：

1. 数据集准备与预处理：支持ChEMBL导入，自动标准化清洗，处理缺失值/异常值；
2. 分子描述符生成与特征工程：集成RDKit/PaDEL-Descriptor计算数百种描述符，支持特征选择/降维；
3. 模型构建与验证：内置回归、分类、聚类算法，通过PyCaret/Scikit-learn实现超参数优化与交叉验证；
4. 外部数据库预测：应用模型于外部化合物库，支持虚拟筛选与先导化合物优化。

CODRUG基于Python 3.10.12和PyQt5/Qt5.15.14开发，技术栈包括：

• GUI框架：PyQt5；
• 化学信息学：RDKit 2024.03.5；
• 数据处理：Pandas、NumPy；
• 机器学习：Scikit-learn、PyCaret；
• 深度学习：TensorFlow、PyTorch；
• 可视化：Matplotlib、Seaborn；
• 数据获取：ChEMBL Web Client；
• 描述符计算：PaDELpy。

安装简单，下载源码解压后运行主程序，首次启动自动创建虚拟环境并检查依赖。界面采用标签页布局，按QSAR流程组织（数据导入→预处理→描述符→模型→验证→预测），新手易上手。目前仅在Linux Mint 21.3（CUDA 12.4）完整测试，Ubuntu衍生版理论支持，Windows/macOS需额外适配或用虚拟机。

目标用户包括药物化学研究者（无编程背景）、计算化学学生（教学工具）、小型团队（一体化平台）、工业研发部门（快速原型）。工具价值在于封装复杂流程，让研究者专注科学假设，开源GPL许可证保障学术自由与社区贡献。

CODRUG未来计划扩展：

1. 跨平台支持：增加Windows/macOS官方支持；
2. 云端部署：开发Web版本支持协作；
3. 深度学习集成：增强图神经网络（GNN）支持；
4. 自动化工作流：引入AutoML降低门槛；
5. 模型解释：增加可解释性功能理解结构-活性关系。

CODRUG是药物研发工具民主化的重要尝试，通过友好界面封装专业QSAR能力，降低机器学习应用门槛，让更多研究者受益于计算方法。对于药物设计与计算化学专业人士，是值得关注的开源工具。