در این پروژه یک مطالعه qsar به منظور پیشگوئی میزان جذب داروها در بدن انسان(%hia) صورت پذیرفت. در ابتدا روش طبقه بندی و رگرسیون درختی(cart) برای پیشگویی %hia 138 ترکیب دارویی استفاده شد. برای هر یک از مولکولهای موجود در دسته دارویی 1497 توصیف کننده متعلق به 18 نوع از توصیفکنندههای تئوری بدست آمد. 3 توصیف کننده توسط روش cart انتخاب شدند که شاملt(o..o) ، mats1e و ms می باشد. همچنین روش رگرسیون خطی چند متغیره (mlr) به منظور انتخاب توصیف-کننده و مدلسازی بکار رفت. 5 توصیف کننده ی انتخاب شده در این روش شامل no، mlogp، spi، t(s..s) و ggi5 می باشد. ریشه میانگین مربع خطاها (rmse) برای سری آموزش و پیشگویی به ترتیب برای روش cart، 231/0و 280/0 و برای روش mlr، 339/0 و 290/0 بدست آمد. سپس نتایج حاصل شده با دو روش دیگر مورد مقایسه قرار گرفتند. بدین صورت که 5 توصیف کننده انتخاب شده در روش mlr به عنوان ورودی برای سیستم فازی-عصبی تطبیقی (anfis) انتخاب شدند .در روش دیگر انتخاب توصیف کننده توسط الگوریتم مورچه صورت پذیرفت و 5 توصیف کننده برتر انتخاب شده توسط این الگوریتم وارد برنامه anfis شدند که شامل o-056،spi ، seigv،g(o..s) و g2s می باشند. ریشه میانگین مربع خطاها برای سه سری آموزش، پیشگویی و ارزیابی در روش mlr-anfis به ترتیب 228/0 و 166/0 و 410/0 و در روش ant-anfis به ترتیب 208/0 و 175/0 و 222/0 بدست آمد. نتایج حاصل شده نشان داد که مقادیر پیشگویی شده از روش ant-anfis به مقادیر تجربی نزدیک تر است.