对于新型药物或其他分子的研究一般遵循以下几步：
1、相关靶点的选择
2、筛选获得先导化合物
3、先导化合物优化
4、候选化合物的筛选
其中，前面三步都可以有计算机模拟技术的参与，进而可以快速获得具有活性的先导化合物，缩短药物设计和开发的周期。魔德科技（www.modekeji.cn）提供从源头的靶点筛选、小分子化合物筛选以及先导化合物的优化服务。
1、生物信息学筛选药物靶点
生物信息学是现代药物开发过程中必不可少的工具，主要用于药物靶点的筛选和确证。药物靶点的筛选和功能研究是药物设计和开发的前提，目前可用于药物靶点筛选的方法主要有以下几种：
- 基因组方法
目前有非常丰富的基因组学数据库为药物靶点的发现提供了坚实的数据基础。目前已有多种基因组学方法用于药物靶点的筛选和确证。
- 基因芯片方法
与疾病相关的基因芯片数据资源非常丰富，因此采用基因芯片数据挖掘与特定疾病相关的药物作用靶点逐渐成为非常重要的手段。
- 蛋白质组学方法
蛋白表达的异常或调节的异常是疾病发生的标志，这些可以决定生物个体的性状和代谢特征的功能蛋白质可以作为潜在的药物靶点。
- 代谢组方法
所有对生物体的影响都可以体现在代谢组水平之上，这可以放大蛋白组的变化。代谢途径的异常变化可能预示着生命活动的异常，因此描述生物体内代谢物的变化可以揭示疾病发生的机制。
- 系统生物学方法
系统生物信息学方法将基因组，蛋白质组，代谢组等不同组学的数据进行有机整合，研究在不同水平上的作用机制，有助于发现特异性的药物靶点。
2、虚拟筛选
虚拟筛选技术是一种基于计算机模拟的技术，主要用于搜索数据库中的小分子化合物，以确定哪些最有可能与药物靶点结合并发挥功能。与传统的实验高通量筛选（HTS）相比，虚拟筛选是一种更直接、合理的药物发现方法，具有成本低，筛选有效的优势。 在药物分子研发过程中，虚拟筛选技术可以对大量化合物数据库的筛选，为发现新的活性化合物提供一种快速、经济的研究方法。这对于无法进行高通量筛选实验的小微企业来讲，是获得有效活性分子的重要方法。目前，对于高通量虚拟筛选方法的优化和改进已经使筛选的命中率显著提升。具体来讲，传统的实验高通量筛选命中率大概在0.01%-0.14%之间，而目的明确的虚拟筛选命中率可以达到1%-40%。
| 虚拟筛选的分子 | 作用靶点 | 公司 | 虚拟筛选的分子 | 作用靶点 | 公司 |
| Dorzolamid | 碳酸酐酶 | 默沙东制药 | Saquinavir | HIV蛋白酶 | 罗氏 |
| Relenza | 神经氨酸苷酶 | Biota | AG85, AG337, AG331 | 胸苷酸合成酶 | Agouron |
| Ro466240 | 凝血酶 | 罗氏 | Gleveca | PTK | 诺华制药 |
四川魔德科技有限公司是国内领先的分子模拟服务专家，具有深厚的分子模拟技术经验，专业的技术人员团队，完备的化合物数据库，可以为用户提供基于靶点或小分子的虚拟筛选服务，进而选择在实验中可能具有潜在活性的化合物分子。
- 基于分子对接的虚拟筛选
分子对接是结构生物学和计算机辅助药物设计中最重要的方法之一，目的是预测药物靶点与小分子化合物之间的结合模式和亲和力大小。分子对接的主要思路是通过优化结合位点的空间，疏水作用和静电作用等参数，使小分子化合物结合到靶点的活性位点，并通过分子对接的打分函数来计算小分子与靶点之间的亲和力大小。
分子对接在药物设计中可以用于对大型化合物数据库的筛选，基于打分函数对筛选结果进行排序，并解释化合物分子如何抑制/激活药物靶点的机制，这在药物设计的先导化合物优化过程中具有非常重要的作用。目前，基于分子对接的虚拟筛选（DBVS）方法，已经成为药物设计和研发的必要工具，DBVS方法的应用可以快速发现具有全新结构的活性化合物分子。
魔德科技的虚拟筛选方法主要由以下步骤组成：1、药物的相似性筛选；2、基于分子对接的虚拟筛选；3、由经验丰富的技术人员进行人工筛选。这样可以大大提高虚拟筛选获得活性化合物的几率。
人工筛选是在打分函数的基础之上，结合化合物与靶点的结合位点、相互作用模式以及与现有活性分子的构效关系，选择具有较高亲和力的化合物作为候选。在人工筛选的过程中，尽量保证化合物与重要或保守的氨基酸之间的相互作用，并扩展更多的化合物核心结构作为候选，最后选择排名靠前的化合物进行活性测试。
| 数据库类别 | 名称 | 化合物数量 |
| 天然产物数据库 | Natural Products Database | 130,000 |
| 多肽分子数据库 | Peptide Database | 150,000 |
| 小分子化合物库 | SPECS Database | 200,000 |
| ChemDiv Database | 1500,000 | |
| Maybridge Database | 50,000 | |
| Enamine Database | 1750,000 | |
| 上市及临床药物数据库 | FDA Approved & Clinical Drug Database | 10,000 |
- 基于药效团的虚拟筛选
基于药效团的虚拟筛选（PBVS）是一种基于配体的药物设计方法，PBVS方法已经被药物化学研究者广泛接受。具体来讲，PBVS方法的核心思想是基于建立一个药效团模型，药效团模型是空间和电子特征的集合。由于药效团的抽象性质和简单性，可以作为大型化合物数据库的有效筛选方法。PBVS通常被作为DBVS方法的补充，主要用于化合物数据库的预处理，以去除明显不具有已知活性的化合物分子，或对已筛选得到的化合物进行再过滤以获得具有必要特征的化合物。
在PBVS计算过程中，由客户提供多个具有已知活性分子的化合物构象，来构建一个活性化合物的药效团模型。然后基于该模型对大型化合物数据库进行筛选，并将筛选获得的化合物放到一个新的数据库中。这些满足药效团模型的化合物分子，很有可能在实验中具有潜在生物活性。另外3D-QSAR药效团模型还可以定量预测化合物的生物活性。
3、先导化合物的改造和修饰 先导化合物是药物设计和研发过程中非常重要的分子结构，是后续研究和开发的基础。通过虚拟筛选方法可以获得具有一定活性的化合物分子，采用先导化合物优化方法可以对获得的化合物结构进行基团修饰和替换，进而获得活性更高的化合物分子。先导化合物优化的基本思想是，通过分析化合物与药物靶点的结合模式，获得化合物在活性空间内的占位情况，分析周围氨基酸的相互作用情况，基于这些信息对化合物的特定基团进行特定的修饰和改造。
