در این پروژه، از چند روش کمومتریکس برای مدلسازی و پیش بینی فاکتور بازداری برخی از ترکیبات هسته دوست آلی روی فاز ساکن اصلاح شده با کمپلکس های آمینی مس (??) بررسی شد. روشهای رگرسیون خطی چند تایی مرحله ای برای انتخاب توصیف کننده های مرتبط با ثابت بازداری این ترکیبات بکار گرفته شد. سپس از شبکه های عصبی مصنوعی (ann) و رگرسیون خطی چند تایی (mlr) برای ساختن مدلهای غیر خطی و خطی رابطه کمی-ساختار فعالیت استفاده شد. مقایسه نتایج بدست آمده از ann با mlr نشان داد که مدل ann نتایج بهتری نسبت به mlr دارد. در بخش دوم، مدل سازی پارامتر ثابت حجم توزیع دارو انجام شد. بدین منظور پس از محاسبه توصیف کننده ها از روش انتخاب متغیر چندگانه مرحله ای برای انتخاب بهترین توصیف کننده ها استفاده شد. این توصیف کننده ها مشخصاتی از مولکول را به رمز در می آورند که روی توزیع، آبگریزی و برهمکنش های بین مولکول های حل شونده و حلال اثر می گذارند پس از محاسبه و انتخاب توصیف کننده ها و بررسی آنالیز پراکندگی، روش های ann و mlr برای ایجاد مدل بکار رفتند. همچنین روش ارزیابی تقاطعی برای ارزیابی بیشتر مدل مورد استفاده قرار گرفت که مقادیر0/72=q2 و0/07=spress برای مدل mlr و 0/82=q2 و 0/04=spress برای مدل ann بدست آمد. مقایسه پارامترهای آماری، برتری مدل ann را نشان داد و در نهایت از روش آنالیز حساسیت برای تعیین اهمیت نسبی توصیف کننده ها در ann استفاده گردید.