درد به ویژه درد شدید و مزمن، به عنوان یک مشکل عمده بهداشت عمومی تاثیر منفی زیادی بر فرد و جامعه دارد و مدیریت آن کماکان یک چالش بزرگ مرتبط با پزشکی در دهه‌های اخیر است. عوارض جانبی مصرف داروهای ضد درد از جمله افسردگی، خواب‌آلودگی، مشکلات روده‌ای و تداخلات دارویی باعث شده است دانشمندان نسبت به طراحی و تولید مسکن‌های بهتر اقدام کنند؛ مسکن‌هایی که ترجیحاً بر روی قسمت خاصی از بدن که درد در آن ایجاد شده است، اثرگذار باشند و جایگزین ترکیبات اعتیادآور (مثلاً مرفین) گردند. تغییراتی که در ساختار شیمیایی و گروه‌های عاملی داروهای ضد درد ایجاد می‌شود مانند افزایش مقدار آب دوستیِ مواد افیونی، باعث محدود کردن دسترسی آنها به دستگاه عصبی مرکزی (CNS) و در نتیجه به حداقل رساندن بروز اثرات نامطلوب می‌شود. در این پایان نامه، آنالیز QSAR جهت برقراری رابطه کمی بین ساختار و فعالیت Ki (شاخص تمایل به اتصال به گیرنده‌های اپیوئیدی) روی 33 ترکیب مشتق شده از مورفین در نقش مجموعه آموزشی برقرار و به صورت موفق توسط 10 ترکیب دیگر از مجموعه تست ارزیابی شد. از رگرسیون خطی چند متغیره مبتنی بر ژنتیک الگوریتم (GA-MLR) جهت انتخاب بهترین توصیفگرهای مولکولی برای برقراری مدل QSAR و پیش‌بینی Ki استفاده شد. مهمترین پارامترهای آماری در اعتبارسنجی مدل عبارتند از؛ مربع ضریب همبستگی رگرسیون خطی چند متغیره (758/0)، مربع ضریب همبستگی تعدیل شده (702/0)، ریشه میانگین مربعات خطای پیش‌بینی (200/0)، تست آماری فیشر (54/13)، ضریب همبستگی برای مجموعه تست خارجی (669/0) و خطای مجموع مربعات تفاضل پیش‌بینی (618/1). متعاقباً اعتبارسنجی تکمیلی مدل توسط 10 ترکیب دیگر از مشتقات مرفین با موفقیت انجام شد. نهایتاً بر اساس مدل‌های قوی، پایدار و با قدرت پیشگویی بالا، 6 ساختار جدید را که بالقوه می‌توانند کم خطرتر و موثرتر باشند، طراحی نموده و آنها را به عنوان کاندیداهای دارویی جدید پیشنهاد دادیم. امید می‌رود که نتایج این تحقیق در سنتز ترکیبات جدید با عوارض جانبی کمتر مورد استفاده قرار گیرد.
