در رساله حاضر سعی بر توسعه روش های جدید مطالعات ارتباط کمی ساختار- فعالیت سه بعدی شده است. لذا در بخش اول مقدمه ای در مورد اساس روش های ساختار- فعالیت دوبعدی بیان خواهد شد و سپس شرح مختصری در مورد روش های ساختار- فعالیت سه بعدی داده و در نهایت به بیان کاربرد ی از دو روش مدل سازی ارتباط کمی ساختار- فعالیت دو بعدی و سه بعدی یعنی comfa و نیز comsia بر روی تعدادی از مشتقات 1-(3-پیریدیل کربامویل) ایندولین می پردازیم. ازآنجایی که این ترکیبات می توانند با اثر بر روی گیرنده ی 5-ht2c به عنوان عوامل ضد افسردگی، تشویش، اضطراب و بی قراری عمل کنند، بنابراین بررسی خواص ساختاری آنها برای اصلاح داروها ی موجود و یا طراحی دارو های جدید بسیار مفید خواهد بود. در بخش مدل سازی qsarدو بعدی به دلیل اهمیت انتخاب متغیر هایی که بیشترین اهمیت را برای مدل-سازی رگرسیونی دارند، هدف اصلی توسعه ی یک متدولوژی انتخاب متغیر و حذف متغیر های نامربوط و یا کمتر مربوط برای روش رگرسیون خطی کمترین مربعات جزیی (pls) است. برای این کار از ترکیبی از روش های انتخاب متغیر ژنتیک الگوریتم و اهمیت متغیر در تصویر سازی (vip) استفاده شده است. با این روش علاوه بر کاهش تعداد متغیر ها به طور موثر، توصیف کننده هایی در مدل نهایی وارد شدند که قابلیت تفسیر پذیری خوبی دارند. در بخش qsar سه بعدی نیز در ابتدا با استفاده از نرم افزار sybyl ، پس از همتراز کردن (alignment)، توصیف گر های میدانی برای این دسته از مولکول ها تولید شده است و سپس با استفاده از روش pls مدل ساختار- فعالیت سه بعدی توسعه یافته و قدرت پیش گویی آن با استفاده از مجموعه ی خارجی آزمون و همچنین روش در هم ریختگی (scrambling) مورد ارزیابی قرار گرفته است. در انتها با استفاده از خروجی گرافیکی (contour map) بدست آمده از مدل رگرسیونی، به بررسی و تفسیر نمودار ها پرداخته و تغییرات لازم جهت اصلاح ساختار این دسته از ترکیبات به منظور افزایش فعالیت دارویی آنها بیان شده است. کلمات کلیدی: روش ساختار- فعالیت دو بعدی، ژنتیک الگوریتم (genetic algorithm)، اهمیت متغیر در طراحی (vip)، روش ساختار- فعالیت سه بعدی، comfa، comsia، آنالیز کمترین مربعات جزیی، 1-(3-پیریدیل کربامویل) ایندولین، گیرنده ی 5-ht2c، sybyl، داروهای ضد اضطراب و افسردگی