A QSAR modellekről már számos tanulmány bizonyította, hogy nagyon hasznos a gyógyszertervezésben, például a kináz gátlók rákterápiás célú tervezésében, azonban a becslő képesség gyakran továbbra sem kielégítő. Az ADMET és a kináz gátlási tulajdonságok becslésének javítása érdekében bemutatunk egy, a molekula leírók (X) alapján klaszterező Kohonen-féle önszerveződő tulajdonságtérképet (Self-Organizing Feature Map; SOFM) alkalmazó új módszert. Nagyszámú humán ADMET tulajdonságra és kináz gátlásra vizsgált vegyület esetében készítettünk SOFM klasztereket, majd megmutattuk, hogy a kémiailag hasonló molekulák kerülnek azonos SOFM klaszterbe és klasztereken belül a QSAR modelleknek szignifikánsan jobb a becslőképessége. Az X értékek mellett a cél tulajdonságokat (Y, például ADMET tulajdonságok) is felhasználtuk egy új típusú csoportosításra. A módszerünkkel lazán összekapcsolódó cellákba rendeződnek az XY adatok, amik különböző modellkészítő halmazként használhatóak.