هدف اصلی از پروژه ی حاضر کاوش اطلاعات از مشتقات اسپیرو پارتنین با استفاده از مدل های qsar است که این مدل سازی ها در جستجوی ترکیبات ضد سرطان قوی بر روی رده های سلولی سرطان انسانی، pc-3 ، du-145و sw-620 ایجاد می شود. مدل سازی فعالیت ضد سرطان این ترکیبات به صورت تئوری به عنوان تابعی از توصیف کننده های مولکولی مختلف به وسیله ی روش های خطی و غیرخطی انجام شد. مدل سازی qsar با استفاده از انواع مختلفی از توصیف کننده هایی که توسط نرم افزارهای دراگون و هیپرکم محاسبه شدند، انجام شد. ابتدا مدل سازی برای هر کدام از رده های سلولی با استفاده از رگرسیون خطی چندگانه (mlr) و حداقل مربعات جزئی (pls) به عنوان روش های خطی با استفاده از توصیف کننده ها انجام شد. سپس شبک? عصبی مصنوعی لونبرگ- مارکواردت (ann-lm) که یک روش غیر خطی است،در دو مرحله به کار گرفته شد. در مرحله ی اول با استفاده از توصیف کننده های وارد شده در مدل mlr برای رده های سلولی sw-620، du-145 و pc-3 ،به ترتیب شبکه های عصبی مصنوعی با ساختارهای ]1*7*7[، ] 1*7*6[ و ]1*7*7[ طراحی شد. در مرحله ی بعد با استفاده از توصیف کننده های مشترک رده های سلولی sw-620، du-145 و pc-3، یک شبکه ی عصبی مصنوعی با ساختار ]3*6*3[ طراحی شد. بررسی ها نشان داد که شبکه ی عصبی مصنوعی ann-lm بهترین نتایج را برای پیش بینی فعالیت ضد سرطان ارائه می دهد. توصیف کننده های مولکولی مشترک در مدل های مربوط به رده های سلولی pc-3، du-145و sw-620 شامل انرژی آب پوشی، g2v وh3u می باشند که برای توسعه ارتباط کمی بین فعالیت ضد سرطان و خصوصیات ساختاری مشتقات اسپیرو پارتنین مورد استفاده قرار گرفتند.