Neste trabalho foi desenvolvido um modelo computacional de aprendizado de máquina capaz de localizar potenciais inibidores da glicoproteína B (gB) do vírus herpesvirus felino 1 (HVF-1) causador da rinotraqueíte viral felina. A rinotraqueíte viral felina é uma importante doença viral em gatos em todo o mundo. A infecção aguda por HVF-1 está associada a sinais e sintomas dos tratos respiratórios superiores e oculares incluindo espirros, conjuntivite, hipersalivação, tosse e cegueira em filhotes, podendo causar óbitos nos animais acometidos. Não existe um tratamento/cura para a rinotraqueíte felina, apenas medidas de alívio dos sintomas e de apoio. Nesta perspectiva, a bioinformática é uma área com grandes ferramentas que podem contribuir na resolução de problemas associados ao descobrimento de drogas através do modelo de relação estrutura-atividade quantitativa (QSAR). Diversos bancos de dados trabalham com o modelo QSAR, um dos mais completos disponíveis gratuitamente é o ChEMBL. Na metodologia deste estudo, foi desenvolvido um modelo computacional em python na plataforma google colab para realizar o rastreio de inibidores da gB pelo banco de dados ChEMBL, com descritores capazes de avaliar a taxa de concentração de inibição (IC50), biodisponibilidade oral e estrutura química das moléculas candidatas. Uma simulação de docking molecular foi realizada para avaliar as interações entre os inibidores encontrados, medicamentos contra HVF-1 e a gB. Como resultado, obteve-se dois inibidores com os seguintes valores de IC50, o CHEMBL2075962 (400 nM) e CHEMBL2077363 (600 nM) que apresentaram alta afinidade no docking molecular (-9,22 e -8,37 kcal/mol) pela glicoproteína b, respectivamente. Sendo mais eficiente que o fármaco teste usado por comparação. Neste estudo, foi possível demonstrar o efeito inibitório de duas estruturas e a precisão do modelo computacional (CATSOFT) para rastreio de drogas contra a rinotraqueíte felina. Palavras chaves: rinotraqueíte, herpesvirus, bioinformática, Inteligência artificial.