İlaç tasarımı ciddi miktarda masraf ve zaman gerektiren karmaşık bir süreçtir. Tasarlanan yeni ilacın yan etkilerini anlamak ve etki mekanizmalarını ortaya çıkarmak ilaç tasarımının en önemli problemlerinden biridir. Son zamanlarda büyük ivme kazanan yapay öğrenme çalışmaları bu problem için de çözümü kolaylaştıran bir etkiye sahip olabilir. Bu alanda araştırmacıların kullanımına sunulan veri kümelerinin de artmasıyla, yapay zeka destekli ilaç tasarımı araştırmaları dikkate değer ölçüde artmıştır. Bu proje de, yakın zamanda bilim insanlarının kullanımına sunulan LINCS (Library of Integrated Network-Based Cellular Signatures) veri tabanında yer alan, kimyasalların gen ifadesine etkisini içeren bir veri kümesinin yapay öğrenme yöntemleri ile modellenmesine dayanmaktadır. Proje iki bölümden oluşmakta, ilk bölümde, bileşikleri girdi olarak alan yapay öğrenme modelleri kullanarak, bileşiklerin yol açtığı anlamlı gen ifadesi değişikliklerini tahmin etmek amaçlanmaktadır. Farklı bileşik gösterimleri ve yapay öğrenme modelleri kullanılarak bunun belli bir seviyenin üzerinde başarılabileceği gösterilmiştir. Çoklu iş öğrenmenin yapay sinir ağları özelinde doğru şekilde kullanımının performansı iyileştirdiği gözlenmiştir. Projenin ikinci bölümünde ise, eğitilen modeller kullanılarak verilen bir gen ifadesi değişikliği vektörüne yol açabilecek ilaçlar tasarlanması hedeflenmiştir. Farklı eniyileme yöntemleri kullanılarak verilen gen ifadesini çıktı olarak verebilecek kimyasallar tasarlanmış ve bunlar değerlendirilmiştir. Çalışma sonucunda kimyasalların gen ifadeleri üzerindeki etkisinin belli bir başarı oranı ile tahmin edilebildiği, veri miktarının artması ile tahmin başarısının daha da yükselebileceği sonucuna varılmıştır. Ayrıca bu tahmin modelleri kullanılarak, belli koşullar altında, gen ifadesi değişiklikleri üzerinden ilaç öncülleri tasarlanabileceği gösterilmiştir.