چکیده: سرطان یکی از چالش‌های اساسی سلامت عمومی است و پیشرفت آن به‌ویژه از طریق فرایند رگ‌زایی توموری، به‌طور قابل‌توجهی تحت تأثیر فعال شدن گیرنده تیروزین‌کینازی VEGFR‑2 قرار دارد. این گیرنده نقش محوری در رشد و تکثیر سلول‌های اندوتلیال و تشکیل رگ‌های خونی جدید ایفا کرده و مهار آن می‌تواند مسیر خون‌رسانی تومور و متاستاز را محدود سازد. در این پژوهش، با هدف شناسایی ویژگی‌های مولکولی مؤثر بر مهار VEGFR‑2 و طراحی ترکیبات ضدسرطانی کارآمدتر، مجموعه‌ای از مشتقات دارویی گزارش‌شده مورد تحلیل قرار گرفت. برای این منظور، ساختارهای سه‌بعدی ترکیبات تولید و بهینه‌سازی شدند و مجموعه گسترده‌ای از توصیفگرهای فیزیکوشیمیایی، الکترونی و فضایی استخراج شد. پس از پیش‌پردازش داده‌ها، انتخاب متغیر به‌کمک روش لاسوی تطبیقی (ALASSO) انجام گرفت و مجموعه‌ای از توصیفگرهای کلیدی به‌عنوان عوامل اثرگذار بر فعالیت زیستی شناسایی گردید. توصیفگرهای منتخب سپس وارد مدل‌سازی QSAR با استفاده از شبکه عصبی مصنوعی پیشخور شده و مدل نهایی ALASSO‑ANN توسعه داده شد. ارزیابی عملکرد مدل نشان داد که مدل توسعه یافته از توان پیش‌بینی مطلوبی برخوردار است؛ به‌طوری‌که برای مجموعه آزمون خارجی، مقادیر R² وMSE به‌ترتیب برابر با 93/0و 03/0 به دست آمد. همچنین مقدار Q_LOO^2 برابر با 83/0 نشان‌دهنده پایداری و قابلیت پیش‌بینی درونی مناسب مدل بود. . علاوه بر این، به‌منظور بررسی نحوه برهم‌کنش ترکیبات با جایگاه فعال گیرنده VEGFR-2 و اعتبارسنجی نتایج حاصل از مدل QSAR، مطالعات داکینگ مولکولی انجام شد. نتایج داکینگ نشان داد که ترکیبات منتخب از طریق برقراری برهم‌کنش‌های مؤثر با اسیدهای آمینه کلیدی جایگاه اتصال، تمایل مناسبی برای مهار این گیرنده دارند. همچنین تحلیل نقش توصیفگرها نشان داد که ویژگی‌های الکترونی و پارامترهای توزیع فضایی مولکول‌ها بیشترین سهم را در مهار VEGFR-2 دارند. نتایج این تحقیق چارچوبی قابل‌اتکا برای غربالگری و طراحی پیش‌بینانه مهارکننده‌های جدید VEGFR-2 فراهم کرده و می‌تواند در توسعه داروهای ضدسرطانی هدفمند مورد استفاده قرار گیرد.