Retinoic Acid Receptor-related Orphan Receptor-γ (RORγ, RORc, NR1F3, RORG, RZR-GAMMA, RZRG, TOR或IMD42)在代谢、免疫和昼夜节律中发挥着重要作用。RORγ功能异常与炎症、免疫和皮肤疾病（包括银屑病）有关。该受体的拮抗剂和逆向激动剂在治疗这些疾病方面具有潜在的治疗作用。为了进行库设计，已知的RORγ拮抗剂和逆向激动剂被聚类为四个簇。根据分子指纹，使用k最近邻算法将每个簇的化合物分类为活性或非活性，以获得更均匀的化合物集，并随机分为训练集和测试集。训练集用于开发和参数化人工神经网络和贝叶斯建模（这两种方法基于分子描述符，如氢供体和受体的数量，极性表面积（PSA），LogP，分子量，可转动键的数量，环的数量以及不同的指纹，拓扑描述符和其他描述符）。此外，训练集还用于使用k最近邻算法选择化合物（基于指纹ECFP4，FCFP4，ECFP6，FCFP6）。测试集用于验证神经网络和贝叶斯模型。通过应用这些方法获得的得分最高的化合物与通过分子对接（PDB ID：4NIE）获得的得分最高的化合物相交。最终化合物的选择是通过检查与关键配体结合区域残基的分子间疏水接触和氢键来完成的。人工神经网络、贝叶斯统计、k最近邻算法和分子对接的组合将有助于在筛选过程中识别更多的活性化合物。