چکیده: در این پایان نامه مطالعه ارتباط کمی ساختار-فعالیت (QSAR) برای برخی از مشتقات فنیل آلانین انجام شد. با توجه به اینکه تفسیر پذیری مدل های QSAR بسیار حائزاهمیت است، با بکارگیری یک روش ابداعی تلاش بر این است تا تعداد توصیف کننده های منتخب روش انقباضی انحراف قدر مطلق بریده شده هموار(SCAD) کاهش یابد، از این رو از روش فراوانی برای یافتن توصیف کننده های موثر استفاده شد، به طوری که در این روش به تعداد 100بار داده های آموزش و آزمون تغییر می کند و موثرترین توصیف کننده ها با بیشترین فراوانی، انتخاب می شوند، با بکارگیری این روش تعداد 6 متغیر انتخاب شد. با توجه به اینکه رابطه ی بین توصیف کننده های موثر و فعالیت دارویی اغلب غیر خطی می باشد از روش مدل سازی قدرت مند شبکه عصبی مصنوعی (ANN) برای پیدا کردن ارتباط بین توصیف کننده ها و فعالیت دارویی استفاده شد. با جفت شدن روش انتخاب متغیر SCAD(با استفاده از تکنیک فراوانی) با شبکه عصبی، تفسیرپذیری و قدرت پیش بینی مدل Multistage-SCAD-ANN افزایش یافت. بعد از ایجاد مدل، فعالیت دارویی ترکیبات سری آزمون پیش بینی شد که ضریب تعیین برای سری آزمون 823/0 به دست آمد. در ادامه با روش های آماری گوناگون مدل ارزیابی شد که نتیجه به دست آمده قدرت پیش بینی و تعمیم پذیری مدل Multistage-SCAD-ANN نشان می دهد. در پایان تعدادی ترکیب شیمیایی جدید پیشنهاد شد و فعالیت دارویی آن با استفاده از مدل توسعه یافته Multistage-SCAD-ANN اندازه گیری شد که از مطالعه داکینگ مولکولی برای اثبات فعالیت دارویی ترکیبات پیشنهادی استفاده گردید.