چکیده: هدف از انجام این پروژه، استفاده از روش مدل‌سازی شبکه عصبی مصنوعی و انتخاب مؤثر‌ترین توصیف‌کننده‌ها با استفاده از روش جنگل‌های تصادفی (RF )است‌. روش انتخاب متغیر RF با انتخاب مؤثر‌ترین توصیف‌کننده‌ها‌، تعداد 10 توصیف‌کننده که بیشترین ارتباط را با فعالیت دارویی ترکیبات داشتند‌، انتخاب شدند‌. پس از آن توصیف‌کننده‌های منتخب تحت عنوان ورودی شبکه عصبی مصنوعی برای ایجاد مدل‌ QSAR، به کار برده شدند‌. برای مدل شبکه عصبی مصنوعی‌، سری داده‌ها به سه سری‌، آموزش‌، ارزیابی و آزمون تقسیم شدند‌. با هدف ساخت مدل شبکه عصبی بهینه با کارآیی مناسب‌، همه پارامتر‌های مؤثر در شبکه‌، بهینه و آموزش داده شدند‌ پس از ایجاد مدل بهینه‌، فعالیت دارویی ترکیبات مجموعه آزمون پیش‌بینی شد‌. ضریب تعیین برای داده‌های آزمون در RF-ANN به ترتیب (81/۰) بود‌. مدل‌ توسعه یافته با استفاده از روش‌های آماری مختلف نظیر رد مرحله‌ای تک تک‌، قلمرو کاربرد‌، پراکندگی، Y-تصادفی و محاسبه یک سری از پارامترهای آماری ارزیابی شد. نتایج حاصل از ارزیابی، تعمیم‌ پذیری و قدرت پیشگویی مدل‎های توسعه یافته در این پژوهش را اثبات می‌کند‌.