在机器学习过程中，使用已知对不同病毒（丙型肝炎病毒、乙型肝炎GB病毒、甲型流感病毒、乙型流感病毒和人类脊髓灰质炎病毒）的RdRP具有活性的1706个化合物进行随机划分，分为两个相等的组。每组中活性和非活性化合物的数量相同（活性阈值为400纳摩尔），分别作为训练集和测试集。训练集用于开发贝叶斯和人工神经网络模型。这两种方法基于一系列不同的分子描述符，包括指纹、拓扑描述符、分子量、氢供体和受体数量、环数、可旋转键数、LogP、PSA等。测试集用于验证所有模型。针对最佳的人工神经网络和贝叶斯模型进行了Drug-like Green Collection的虚拟筛选。通过机器学习方法选择得分最高的化合物，并进行视觉分析。应用不同的人工神经网络和模型（总共14种）可以增加在筛选过程中发现的活性化合物的数量。