Мета. Розробити та верифікувати in silico моделі прогнозування антидіабетичної активності природних сполук та перевірити їх на прикладі компонентів лікарських рослин. Матеріали і методи. Побудовано дві моделі машинного навчання на основі алгоритмів XGBoost і LightGBM. Верифікацію проведено на наборі сполук, що входять до складу рецептур традиційної китайської медицини (ТКМ) з доведеною гіпоглікемічною дією. Верифіковані моделі застосовано до компонентів Galega officinalis L. (безалкалоїдна фракція), склад якої визначено за допомогою газової та рідинної мас-спектрометрії. Результати. Побудовані моделі досягли точності 80-81 % та успішно пройшли верифікацію, виявивши активні сполуки серед таких, які зазначені у рецептурах ТКМ як ефективні у боротьбі з діабетом 2 типу. Це підтверджує їх здатність коректно класифікувати біоактивні природні речовини. Моделі застосовано до компонентів безалкалоїдного екстракту G. officinalis L., перспективної рослини для подальших досліджень антидіабетичної дії. Висновки. Розроблені in silico моделі дозволяють прогнозувати антидіабетичну активність сполук природного походження. Їх успішна верифікація на наборах сполук та застосування до екстракту G. officinalis L. підтвердили потенціал підходу для пошуку малотоксичних біоактивних речовин.