چکیده: در بخش اول، مطالعه ی کمی ساختار-فعالیت (QASR) بر روی اثر بازداری (pIC50)103 ترکیب دارویی از مشتقات هموپیپرازین، دی آمین و 3-آمینو پیرولیدین انجام شد. برای انتخاب مهمترین توصیفگرها از دو روش رگرسیون مرحله ای و الگوریتم ژنتیک استفاده شد. پس از انتخاب توصیفگرها توسط این دو روش از سه روش رگرسیون خطی چندگانه (MLR)، شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) جهت مدل سازی استفاده گردید. عملکرد هر مدل توسط سری تست مورد بررسی قرار گرفت. میانگین مربعات خطا (MSE) و خطای استاندارد پیش بینی (SEP) سری تست برای روش هایSR-MLR ، SR-ANN،SR-SVM، GA-MLR، GA-ANN و GA-SVM به ترتیب برابر 0.283، 0.532، 0.225، 0.475، 0.228، 0.477، 0.263، 0.513، 0.346، 0.588، 0.328 و 0.573به دست آمد. در بخش دوم، مطالعه ی کمی ساختار-فعالیت (QASR) بر روی اثر بازداری (pIC50)42 ترکیب دارویی از مشتقات آریل سولفونیل پیپرازین انجام شد. و برای انتخاب مهمترین توصیفگرها ازالگوریتم ژنتیک استفاده شد. برای برای مدل سازی و پیش بینی اثر بازداری (pIC50) از روش های رگرسیون خطی چندگانه (MLR)، شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) استفاد شد. عملکرد هر مدل توسط سری تست مورد بررسی قرار گرفت. که میانگین مربعات خطا (MSE) و خطای استاندارد پیش بینی (SEP) و ضریب تعیین (R2) بسیار به یکدیگر نزدیک بوده و این بیانگر این مطلب است که هر سه مدل به کار برده شده توانایی خوبی در پیش بینی pIC50 ترکیبات مورد مطالعه دارند.