В исследовании представлены новые QSAR модели для поиска ингибиторов трипсина. Для построения моделей использованы ассоциативные нейронные сети. Оценка качества моделей проведена методами внутренней и внешней проверки. На основании анализа трех выборок веществ (с известными значениями IC50 и Ki) получен ряд регрессионных моделей с точностью прогноза <$E q sup 2~>>~0,7> и классификационные модели с прогнозирующей способностью 69 - 80 %.Описаны новые QSAR модели для поиска ингибиторов тубулина. Точность прогноза для учебных и тестовых выборок составляет Ac = 0,96 - 0,97 и Ac = 0,95 - 0,97 соответственно. Для построения моделей использованы ассоциативные нейронные сети. Оценка качества моделей проведена методами внутренней и внешней проверки. На выборке из 75 новых соединений правильно классифицировано 63 % всех веществ, а также 69 % активных соединений. С помощью индекса Дайса рассчитана область применения созданных QSAR моделей. Показано, что количество правильно спрогнозированных соединений с DI 0,6 - 0,7 и <$E symbol У~0,7> составляет 74 и 85 % соответственно.