机器学习（ML）正在推动各个行业的发展，包括药物研发。我们应用机器学习来预测具有抗SARS活性的化合物，这些化合物可用于与COVID-19相关的药物研发项目。对于机器学习，我们随机将306个具有抗SARS活性的化合物平均分为两组。每组都包含相同数量的活性和非活性化合物，并分别用作训练集和测试集。训练集用于开发贝叶斯和人工神经网络模型。这两种方法都基于一系列不同的分子描述符，包括指纹、分子量、氢供体和受体的数量、环的数量、可旋转键的数量、LogP、PSA、拓扑描述符等。测试集用于验证所有模型。对最佳贝叶斯和人工神经网络模型的Drug-like Green Collection进行了虚拟筛选，并对机器学习方法选择的得分最高的化合物进行了视觉分析。应用多种不同的人工神经网络和模型（总共21种）可以增加筛选过程中发现的活性化合物的数量。设计的ML SARS靶向库仅包含类似药物的化合物（已过滤掉PAINS化合物）。该库旨在用于筛选项目，以寻找具有抗SARS-CoV-2活性的新化合物。