传统的药物设计需要大量的研究时间和开发费用。蓬勃发展的计算方法，包括计算生物学、计算机辅助药物设计和人工智能，有潜力通过最小化时间和财务成本来加快药物发现的效率。近年来，计算方法被广泛用于提高药物发现和管道的疗效和有效性，导致大量新药被批准上市。白晨课题组在International Journal of Molecular Science杂志发表评述性文章，着重介绍了计算方法在辅助药物靶标识别、先导化合物发现及优化方面的应用。文中还讨论了使用这些方法进行药物设计的一些挑战。此外，本文还提出了一种将各种计算技术集成到新药发现和设计中的方法。

在过去的四十年里，药物开发的细节得到了改进。如今，药物研究的完整过程包括药物发现、临床试验和批准生产。药物发现的过程包括药物靶标识别、先导化合物发现、先导化合物优化和临床前试验。这个过程通常需要7~10年和6~8亿美元。大约200个化合物进入临床前测试步骤。大约5个化合物进入临床测试过程，该过程包括三个步骤，分别为I期、II期和III期临床试验。这是一个漫长而昂贵的过程，需要花费6~12年时间和数十亿美元。通过临床试验的化合物进入批准生产的程序。FDA/EMA批准的化合物可以在市场上商业化。这个过程需要1~2年时间和大约5000万美元。

如今，计算和深度学习方法在药物发现中发挥着越来越重要的作用。计算方法和算法的快速发展缩短了寻找候选药物的时间和资金成本。本文系统性介绍了计算生物学在药物设计中的应用，计算机辅助药物设计，AI的从头药物分子设计以及AI工具在药物设计中的技术和方法。

本文由张玥博士，协同罗梦奇博士和科研助理吴朋共同撰写。此外，深圳大学附属华南医院院长吴松也在本文的撰写和发表过程中提供了帮助。李宗夷教授和白晨教授为本文的通讯作者。