ارنده¬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¬ qsar برای پیش¬بینی فعالیت ضد hiv مشتقات تیوکربامات به عنوان بازدارنده¬های غیر¬نوکلئوزیدی با استفاده از توصیف¬گر¬های سهم گروه و الگوریتم جنگل¬های تصادفی (rf) ساخته شد. سری داده¬ها به طور تصادفی به 157 ترکیب آموزش و 40 ترکیب آزمون تقسیم شد و پارامتر¬های موثر بر قدرت جنگل¬های تصادفی با استفاده از سری آموزش بهینه گردید. ارزیابی مدل¬ به دست آمده، با استفاده از سری آزمون و رد مرحله¬ای تک¬تک (loo) انجام گرفت. نتایج نشان داد که مجذور ضریب همبستگی برای پیش¬بینی خاصیت ضد hiv ترکیبات سری آزمون با استفاده از روش جنگل¬های تصادفی برابر 8748/0 است. در بخش دوم تحقیق ارتباط کمی ساختار – فعالیت بازدارنده¬های نکروپتوز (نکروستاتین-5 ) مورد مطالعه قرار گرفتند (نکروپتوز نوعی مرگ سلول می¬باشد و نکروستاتین¬ها ترکیباتی با وزن مولکولی پایین هستند که به عنوان مهار¬کننده¬های نکروپتوز شناخته شده¬اند). داده¬های مورد بررسی شامل 160 ترکیب می¬باشد که 51 ترکیب فعال و بقیه غیرفعال هستند. ابتدا با استفاده از مدل جنگل¬های تصادفی مدلی طراحی شد تا بتواند این ترکیبات را به دو گروه فعال و غیرفعال دسته¬بندی کند. ارزیابی سری آزمون نشان می¬دهد مدل ارائه شده قادر است 80% نمونه¬ها را به درستی طبقه¬بندی کند. در مرحله بعد پیش¬بینی خاصیت دارویی ترکیبات فعال با استفاده از شبکه عصبی مصنوعی و توصیف¬گرهای انتخاب شده توسط روش جنگل¬های تصادفی-رگرسیون مرحله¬ای (rf-sr) و روش رگرسیون مرحله ¬ای (sr) انجام شد. مجذور ضریب همبستگی برای سری آزمون و روش رد مرحله¬ای تک¬تک به ترتیب برابر 9677/0 و 8295/0 می¬باشد.