چکیده: بازدارنده های غیرنوکلئوزیدی نسخه بردار معکوس، یک طبقه جدید از داروهای ضد رتر و ویروسی هستند که برای درمان عفونت ویروس نقص ایمنی اکتسابی(HIV) استفاده میشوند. این بازدارنده ها از فعالیت آنزیم نسخه بردار معکوس که تکثیر ژنوم HIV را درکنترل دارد، جلوگیری می کنند. در بخش اول پروژه، مدل QSAR برای پیش بینی فعالیت ضد HIV مشتقات تیوکربامات به عنوان بازدارنده های غیرنوکلئوزیدی با استفاده از توصیف گرهای سهم گروه و الگوریتم جنگلهای تصادفی (RF) ساخته شد. سری داده ها به طور تصادفی به 157 ترکیب آموزش و 40 ترکیب آزمون تقسیم شد و پارامترهای مؤثر بر قدرت جنگلهای تصادفی با استفاده از سری آموزش بهینه گردید. ارزیابی مدل به دست آمده، با استفاده از سری آزمون و رد مرحله ای تک تک (LOO) انجام گرفت. نتایج نشان داد که مجذور ضریب همبستگی برای پیشبینی خاصیت ضد HIV ترکیبات سری آزمون با استفاده از روش جنگلهای تصادفی برابر 0/8748 است. در بخش دوم تحقیق ارتباط کمی ساختار – فعالیت بازدارنده های نکروپتوز (نکروستاتین-5 ) مورد مطالعه قرار گرفتند (نکروپتوز نوعی مرگ سلول میباشد و نکروستاتینها ترکیباتی با وزن مولکولی پایین هستند که به عنوان مهارکننده های نکروپتوز شناخته شده اند). داده های مورد بررسی شامل 160 ترکیب میباشد که 51 ترکیب فعال و بقیه غیرفعال هستند. ابتدا با استفاده از مدل جنگلهای تصادفی مدلی طراحی شد تا بتواند این ترکیبات را به دو گروه فعال و غیرفعال دسته بندی کند. ارزیابی سری آزمون نشان میدهد مدل ارائه شده قادر است 80% نمونه ها را به درستی طبقه بندی کند. در مرحله بعد پیش بینی خاصیت دارویی ترکیبات فعال با استفاده از شبکه عصبی مصنوعی و توصیف گرهای انتخاب شده توسط روش جنگلهای تصادفی-رگرسیون مرحله ای (RF-SR) و روش رگرسیون مرحله ای (SR) انجام شد. مجذور ضریب همبستگی برای سری آزمون و روش رد مرحله ای تک تک به ترتیب برابر 0/9677 و 0/8295 میباشد.