چکیده: هدف از این مطالعه استفاده از تکنیک غربالگری داده‌ها برای کاهش ابعاد ماتریس داده است. برای این منظور از روش جدید پیش پردازش جریمه‌ای Ridge برای کاهش ابعاد داده‌ها استفاده شد. سپس از روش انحراف قدر مطلق به طور هموار کوتاه شده (SCAD) به‌عنوان روش انتخاب متغیر جریمه‌ای برای انتخاب مؤثرترین توصیف کننده‌ها و مدل‌سازی استفاده شد. توصیف کننده‌های انتخاب شده به‌عنوان ورودی برای ساخت مدل QSAR با استفاده از روش SCAD استفاده شد. برای این منظور، مدل QSAR با استفاده از اجرای چندگانه Ridge به عنوان یک تکنیک پیش پردازش برای غربالگری داده ها توسعه داده شد. توصیف کننده‌های باقی‌مانده به مدل جریمه شده SCAD وارد شدند. پس از اعمال SCAD به داده‌های مجموعه آموزش، از برخی توصیف کننده‌های مؤثر (9) در ساخت مدل استفاده شد. مدل بهینه هدف (Ridge-SCAD) با استفاده از محاسبه پارامترهای آماری، دامنه کاربرد و آزمونY-تصادفی مورد ارزیابی قرار گرفت. آزمون های مختلف ذکر شده نتایج رضایت بخشی را نشان می‌دهند. عملکرد مدل Ridge-SCAD برای پیشنهاد برخی از مهارکننده‌های قوی c-Met استفاده شد. کارایی ترکیبات پیشنهادی با استفاده از داکینگ مولکولی و محاسبه قانون پنج لیپینسکی بررسی شد. نتایج حاصل قدرت ترکیبات جدید را اثبات می‌کند. برای هدف مقایسه، مدل QSAR بدون استفاده از روش Ridge به عنوان یک تکنیک پیش پردازش توسعه داده شد و همه توصیف کننده‌های محاسبه‌شده به عنوان ورودی‌های SCAD تعریف شدند. مدل SCAD با استفاده از داده‌های مجموعه آموزش ساخته شد و 12 توصیف کننده به‌عنوان توصیف کننده معنی‌دار به‌دست آمد. فعالیت دارویی داده‌های آزمون با استفاده از مدل SCAD بهینه پیش‌بینی شد. پارامترهای آماری محاسبه شده مدل SCAD با مدل Ridge-SCAD مقایسه شد. نتایج نشان دهنده قدرت پیش بینی بالای مدل Ridge-SCAD در برابر مدل SCAD است.