مقاومت میکروبی به آنتی بیوتیک ها نگرانی در حال افزایشی در میان متخصصان مراقبت از سلامت می باشد که آن ها را وادار به جستجو برای درمان های جایگزین می نماید. در سال های اخیر پپتیدهای ضد میکروبی توجه زیادی را به عنوان جایگزینی برای آنتی بیوتیک های سنتی به خود جلب نموده اند. پپتیدهای ضد میکروبی طیف گسترده ای از فعالیت را دارا می باشند و می توانند به عنوان داروهای ضد باکتریایی، ضد ویروسی، ضد قارچی و گاهی اوقات حتی به عنوان داروهای ضد سرطانی و ضد توموری عمل نمایند. پپتیدهای ضد باکتریایی با وجود داشتن ویژگی های مشترک معمول، از نظر توالی، همولوژی پایینی دارند. از آنجایی که نیازی برای گسترش یک روش محاسباتی برای پیشگویی پپتیدهای ضد باکتریایی وجود دارد، در مطالعه ی حاضر، ما مفهوم ترکیب سودوآمینواسید چو و روش های یادگیری ماشین را برای دسته-بندی پپتیدهای ضد باکتریایی استفاده نمودیم. سپس روش اعتبارسنجی زیرنمونه ای را برای به دست آوردن پارامترهای صحت، ضریب همبستگی متیو و ناحیه ی زیرمنحنی برای ارزیابی عملکرد پیشگو استفاده نمودیم. نتایج ما نشان داد که با استفاده از مفهوم سودوآمینواسید و بکارگیری ماشین بردار پشتیبان می توان اطلاعات مفیدی برای پیشگویی پپتیدهای ضد باکتریایی فراهم کرد. همچنین ما پپتیدهای پروتئین p24 ویروس hiv-1 را با این روش دسته بندی نمودیم. در نهایت، خاصیت ضد باکتریایی این پپتیدها را با استفاده از روش انتشار دیسک مورد آزمایش قرار دادیم. خاصیت ضد باکتریایی این پپتیدها علیه دو باکتری گرم مثبت شامل باسیلوس سوبتیلیس و باسیلوس سرئوس و دو باکتری گرم منفی شامل سودوموناس آئروجینوزا و سودوموناس پوتیدا تست شد. نتایج بررسی های محاسباتی و تجربی نشان داد که این پپتیدها فاقد اثرات ضد باکتریایی می باشند.