سرطان در سراسر جهان به عنوان یکی از مهم ترین دلایل مرگ و میر مطرح می باشد. روشهای درمانی سنتی و عمومی مثل پرتودرمانی و شیمی درمانی دارای اثرات جانبی هستند و هزینه های بالایی دارند. اخیرا طراحی پپتیدهای ضدسرطانی به عنوان یک راه موثر درمان عنوان می شود. بنابراین توسعه ی یک روش کامپیوتری برای پیش بینی پپتیدهای ضدسرطانی ضروری است. در این مطالعه دو روش برای پیش بینی پپتیدهای ضدسرطانی با استفاده از روش یادگیری ماشین به عنوان یک الگوریتم قدرتمند استفاده شده است. طبقه بندی ها با استفاده از ترکیب شبه اسیدآمینه و کرنل ترازیابی محلی انجام شده است. از آنجایی که در مطالعات پیشین تعدادی از پروتئین های ویروس hiv-1خاصیت ضدسرطانی را نشان دادند، در این مطالعه خاصیت ضدسرطانی پپتیدهای پروتئین p24 ویروس hiv-1 با روشهای کامپیوتری پیش بینی شد. پس از پیش بینی، خاصیت جهش زایی 2 پپتید ضدسرطانی و 2 پپتید که خاصیت ضدسرطانی ندارند با تست ایمز بررسی شد. نتایج نشان می دهند که صحت و اختصاصیت روش کرنل ترازیابی محلی به ترتیب 7/89 و 68/92 درصد هستند. هم چنین صحت و اختصاصیت روش بر مبنای pseaac به ترتیب 82/83 و 36/85 درصد هستند. با آنالیز های کامپیوتری از 22 پپتید پروتئین p24، 4 پپتید خاصیت ضدسرطانی را نشان دادند و 18 پپتید این خاصیت را نشان ندادند. در نتایج تست ایمز به وضوح مشخص است که پپتیدهای ضدسرطانی در غلظتی که به عنوان پپتید ضدسرطانی استفاده می شوند جهش زا نیستند. بنابراین نتایج به طور کلی نشان می دهند که روشهای کامپیوتری برای پیش-بینی پپتیدهای ضدسرطانی موثر هستند و پپتیدهای ضدسرطانی نام برده بدون خاصیت جهش زایی می توانند به عنوان گزینه های جدید ضدسرطانی استفاده شوند.