甜度(sweetness)是化合物非常重要的一个物理化学性质。如何在种类繁多的化合物中找到具有高甜度的化合物，对于食品添加剂中的甜味剂工业发展，将产生巨大的推动作用。血脑屏障（blood brain barrier，BBB）是一个介于血液与脑组织、脊髓之间的动态界面，其通透性较低，并且具有选择通过性。该结构虽然阻止了绝大多数有害物质进入脑部，却极大影响了很多药物入脑治疗的疗效。因此，本文对化合物的甜度与脑血分配系数( logBB)建立定量预测模型，探讨化合物结构与甜度、logBB之间的相互关系。　　 本文收集了320个化合物及其相对甜度值，包括糖类及其衍生物，常见甜味剂以及一些天然产物、人工产物，将该数据集随机地划分为214种化合物组成的训练集和106种化合物组成的测试集，计算数据集当中能够代表各化合物的物理化学性质的描述符，并将描述符进行组合处理，筛选出12个与化合物甜度相关度最高的描述符，之后采用多元线性回归、支持向量机、人工神经网络分析法，建立了化合物甜度的定量预测模型，测试集的相关系数分别为r=0.879，r=0.882，r=0.866。最后，探讨了这些描述符反映的基团与甜度之间的作用关系。　　 本文收集了320个化合物及其logBB值，通过Kohonen神经网络，利用MACCS描述符将这些化合物划分为198种化合物组成的训练集和122种化合物组成的测试集，并计算各化合物的物理化学描述符。之后建立了三个不同种类描述符组合的多元线性回归模型，筛选出最佳描述符，并利用这些描述符建立了脑血分配系数的多元线性回归、支持向量机、人工神经网络定量预测模型，测试集的相关系数分别为r=0.89，r=0.89和r=0.90。最后，探讨了这些描述符所反映的分子物理化学性质与化合物血脑屏障通透性之间的相互关系。