چکیده: بازدارنده های غیرنوکلئوزیدی نسخه بردار معکوس، یک طبقه جدید از داروهای ضد رتروویروسی هستند که برای درمان عفونت ویروس نقص ایمنی اکتسابی(HIV) استفاده می-شوند. این بازدارنده ها از فعالیت آنزیم نسخه بردار معکوس که تکثیر ژنوم HIV را درکنترل دارد، جلوگیری می کنند. در بخش اول پروژه، مدل های QSAR برای پیش بینی فعالیت ضد HIV یکسری از آنالوگ های فنتیل تیازولیل تیواوره (PETT) که به عنوان بازدارنده های غیرنوکلئوزیدی قوی عمل می کنند، با استفاده از توصیفگرهای تئوری ساخته شدند. برای انتخاب مهم ترین توصیفگرها رگرسیون خطی مرحله ای مورد استفاده قرار گرفت. سپس توصیفگرهای مهم به عنوان ورودی برای ایجاد مدل های QSAR با استفاده از رگرسیون خطی چندگانه و شبکه عصبی، استفاده شد. سری داده ها به طور تصادفی به 39 ترکیب آموزش و 10 ترکیب تست تقسیم شد و ارزیابی تقاطعی بر روی سری آموزش برای انتخاب بهترین مدل MLR و ANN به کار رفت. بررسی ارزیابی مدل های به دست آمده، با استفاده از سری تست و رد مرحله ای تک تک (LOO) انجام گرفت. نتایج نشان داد که مجذور ضریب همبستگی برای پیش بینی خاصیت ضد HIV ترکیبات سری تست با مدل MLR و ANN به ترتیب 0/766 و 0/913 است. در بخش دوم تحقیق، روش های MLR و ANN برای مدل سازی و پیش بینی صحیح فعالیت ضد HIV یکسری از مشتقات o-2- (2- هیدروکسی کربونیل بنزآمیدو) اتیل-N آریل تیوکربامات، استفاده شد. داده ها به طور تصادفی به دو سری آموزش و تست به ترتیب شامل 25 و 7 ترکیب تقسیم شدند. ارزیابی تقاطعی بر روی سری آموزش برای انتخاب بهترین مدل MLR و ANN به کار رفت. توانایی پیشگویی مدل با استفاده از سری تست و روش رد مرحله ای تک تک مورد ارزیابی قرار گرفت. مجذور ضریب همبستگی به دست آمده برای سری تست توسط روش MLR و ANN به ترتیب 0/920 و 0/979بودند. نتایج به دست آمده، توانایی پیشگویی مناسب مدل های پیشنهادی را نشان می دهد.