生物信息学在药物设计中的应用
生物信息学在药物研发中的应用
生物信息学在药物研发中的应用随着生物技术的发展和计算机技术的进步，生物信息学越来越成为药物研发领域中不可或缺的一部分。
生物信息学的应用可以帮助药物研发者更快速地进行药物筛选和设计。
本文将探讨生物信息学在药物研发中的应用。
1. 基因组学序列分析在药物研发中，基因组学序列分析是一项从头开始进行药物研发所必不可少的步骤。
通过分析基因组中的DNA序列，药物研发者可以找到疾病相关的基因和突变。
这对于开发能够靶向这些基因和突变的药物至关重要。
生物信息学分析工具可以帮助研究人员快速地分析一系列疾病的基因组学序列，并预测这些基因的功能。
生物信息学方法适用于基因组广泛的物种，可用于加速发现疾病相关基因，辅助药物定位以及刻画新药物靶向等方面。
2. 分子对接分子对接是新药物研发的重要一步。
在药物分子和受体结合的过程中，药物分子需要具有特定的立体构型和空间形态以与受体匹配。
生物信息学工具可以为药物研发人员预测分子对接过程中的药物分子和受体的结构，并确定何以使分子和受体最好地结合起来。
此外，生物信息学方法还可用于设计和优化药物分子。
3. 蛋白质结构分析生物信息学方法还可用于分析和确定蛋白质结构，这对于药物研发人员在药物设计和筛选中都是非常有益的。
蛋白质结构分析可以揭示蛋白质的功能与调节机制，有动态的、高效的、高通量技术和方法，生物信息学对于小分子抑制剂的设计与筛选、多靶点及复杂疾病新型药物的发现、抗结核药物的研究等方面具有广泛的应用4. 药物剂量预测合适的药物剂量可以确保药物在体内的有效浓度，并减少严重的副作用。
生物信息学工具可以根据药物代谢动力学、吸收、分布、代谢和排泄性质（ADME）的预测结果，进行剂量预测，提供开发和调整药物剂量的参考。
总之，生物信息学在药物研发中的应用越来越重要。
通过生物信息学的方法，药物研发者可以更快速地筛选和设计药物，减少实验次数，降低实验成本，而让药物研发更加高效。
生物信息学技术在药物研究中的应用
生物信息学技术在药物研究中的应用随着科技的飞速发展，人们越来越能够深入挖掘各种生物学信息，生物信息学技术也由此逐渐成为了生物医学研究的热门领域。
其应用领域包括基因组学、蛋白质组学、代谢组学等多个方面，其中药物研究受到生物信息学技术的影响越来越大。
本文旨在介绍生物信息学技术在药物研究中的应用，以及探讨其未来的发展方向。
一、生物信息学技术在药物研究中的典型应用1.虚拟筛选虚拟筛选是利用计算方法通过计算原料药分子与受体结合的力学能，筛选出具有活性的新化合物。
该技术是一种可以省去实验繁琐和周期较长的方法，其中配体-受体自由能计算常常是虚拟筛选中使用的最常见的技术。
从膜通道、酶、离子通道及受体的各个方面对虚拟筛选进行了广泛应用，避免了传统筛选技术长周期和高成本的问题，节省了科研开发的成本。
2.药物分子设计药物分子设计一般是建立分子模型，并利用计算机分析分子之间的相互作用、理化性质及药代动力学等药物信息。
主要方法包括基于配体的分子造型、化学结构的修改、分子动力学模拟等。
它会在设计中加入药物的特异性，以优化化学结构以优化药效。
生物信息学技术使药物分子设计从实验化到计算机辅助，有效地将时间和物质成本降到最低，为研发提供了新的解决方案。
3.基因组学在药物研究中的应用基因组学在药物研究中应用最广泛的一个方法就是药物靶点的快速发掘。
寻找靶点对于药物研究至关重要，基因组学不仅可以在短时间内挖掘出潜在的靶点，还可以通过高通量技术大规模筛选。
例如，基于DNA芯片的Transcriptome 分析，可以实现各种基因的表达情况分析，为药物靶点寻找提供一定的信息基础。
二、生物信息学技术的发展趋势当前，生物信息技术在药物研究中应用的范围越来越广，研究领域越来越深入，应用趋势也在不断更新。
未来，预计其将继续深入以下几个方向：1.生物信息技术的高通量化随着生物信息科技的不断发展，对于生物数据的需求也越来越大。
数据高通量化成为当前生物信息学技术全面进化的关键，这样可以提高数据密度和生物信息分析的精度与准确度。
生物信息学在新药研发过程中的应用
生物信息学在新药研发过程中的应用一、引言生物信息学是一个迅速发展的交叉学科，在生物学、计算机科学和数学领域中起着重要作用。
随着科技的不断进步，人类在探索生命之谜的过程中慢慢发现，生物信息学在新药研发过程中的应用正在变得越来越重要。
本文将探讨生物信息学在新药研发过程中的应用。
二、生物信息学在新药研发中的优势1. 挖掘药物靶点的方法更加全面通过生物信息学技术，可以分析大量生物学数据，包括基因序列、功能蛋白质、代谢途径等多种数据，这些数据可以帮助科研人员快速而全面地挖掘出药物作用靶点的信息，以及与其相关联的基因、途径等信息。
相比以往耗时费力的实验验证方法，这种全面而深度的分析方法更加高效。
2. 加速新药筛选过程利用生物信息学技术可以对大量已知的化合物、基因或蛋白质进行筛选和分析。
通过结合拟合、学习算法等手段，可以高效地找到可能的候选药物，加速了新药的筛选过程。
值得一提的是，这种筛选过程非常高效，因为可以利用计算机跨越大量的分子和生物学数据，而不必通过实验方法逐一排查。
3. 预测药效及毒理反应信息通过挖掘生物信息学数据库中的大量已知信息，利用统计模型和人工智能模型，可以快速准确地预测药物的效能和毒性反应。
这一方法可以帮助药厂在新药研发过程中尽早发现潜在的问题，降低错误率和研发成本。
三、生物信息学在新药研发中的应用1. 身份识别通过生物信息学技术对基因序列和蛋白质序列进行分析，可以确定每种蛋白质在人体中的角色和功能。
这对于用于身份识别是非常重要的，因为只有明确定位到药物作用靶点，才能够确定特定药物的适应症。
2. 作用机制识别在确定身份之后，生物信息学技术可以帮助科研人员确定药物的作用机制。
通过分析作用靶点与其他基因、途径的关联，可以更准确地判断药物作用的机制，从而优化化合物结构，使药物更具针对性。
3. 筛选药物候选物在确定药物的作用机制后，通过分析大量的候选化合物与药物靶点的关系，科研人员可以将候选药物规范至具有潜在的治疗效果和最小的毒性反应。
生物信息学在药物设计中的应用
生物信息学在药物设计中的应用生物信息学是一个结合生物学、计算机科学和统计学的交叉学科，它的发展为药物设计提供了全新的思路和工具。
通过分析、比较和解释生物信息数据，生物信息学可以帮助科学家更好地理解疾病的发生机制，并提供药物研发过程中的便利。
本文将就生物信息学在药物设计中的应用进行探讨。
一、基因组学和蛋白质组学基因组学是研究生物体基因组的学科，而蛋白质组学则是研究生物体蛋白质组的学科。
通过对基因组和蛋白质组的分析，我们可以发现与疾病相关的基因和蛋白质，从而为药物设计提供指导。
例如，通过基因组学分析，科学家们发现某些基因突变与某种癌症的易感性密切相关。
而蛋白质组学则可以帮助科学家了解蛋白质的结构和功能，从而设计出更具靶向性的药物。
二、药物靶点预测生物信息学可以通过计算和模拟技术对药物与靶点之间的相互作用进行预测。
通过对已知药物和靶点结构的比对和分析，可以找到具有相似结构和功能的新靶点，并为药物研发提供新的方向。
此外，生物信息学还可以预测药物与靶点的亲和力和选择性，帮助科学家优化药物结构，使其更具效果和减少不良反应。
三、药物转运和代谢研究药物在体内的转运和代谢过程对药效和药物副作用起着重要作用。
生物信息学可以帮助科学家对药物转运和代谢相关的蛋白质进行识别和分类，揭示其作用机制。
这对于预测药物的药动学性质、药效持久性等方面具有重要意义，有助于设计出更好的药物剂型和药物组合方案。
四、药物副作用预测药物研发过程中，药物的副作用是一个重要的考虑因素。
生物信息学可以通过整合大量的生物信息数据，预测药物的副作用。
通过分析药物与已知蛋白质的相互作用模式，可以预测药物对其他未知蛋白质的影响，并发现可能的副作用靶点。
这对于筛选出较为安全的候选物质，提高药物的研发效率具有重要意义。
总结起来，生物信息学在药物设计中的应用涵盖了基因组学、蛋白质组学、药物靶点预测、药物转运和代谢研究以及药物副作用预测等方面。
生物信息学的快速发展为药物设计提供了高效、准确和创新的手段，加速了药物研发的过程，为发现新药物和治疗疾病提供了有力的支持。
生物信息学在药物开发中的应用
生物信息学在药物开发中的应用生物信息学是一门致力于研究生命科学中大规模数据分析和信息管理的学科。
随着科技的进步和人们对疾病治疗需求的增加，生物信息学在药物开发中扮演着越来越重要的角色。
本文将探讨生物信息学在药物开发中的应用，从药物靶点预测、药效评估、药物组合优化等方面进行阐述。
一、药物靶点预测生物信息学技术可以通过分析基因组、蛋白质组和代谢组的数据，预测潜在的药物靶点。
这种方法可以帮助科学家快速发现与疾病相关的靶标，并进行后续药物设计与开发。
例如，通过分析疾病相关蛋白质的结构，利用数据库中的结构信息、序列信息和亲和力信息，生物信息学可以预测出潜在的药物靶点。
这为药物开发提供了方向和依据，加速了新药物的研发进程。
二、药效评估除了药物靶点预测外，生物信息学在药效评估中也发挥着重要作用。
药物的有效性和安全性是药物开发过程中最关键的问题之一。
通过生物信息学技术，可以对候选药物进行计算机模拟，预测其生物活性和毒副作用。
生物信息学技术可以通过建立药物和蛋白质之间的相互作用模型，预测他们的结合能力和互动方式。
这有助于筛选出对靶点具有高选择性和亲和性的化合物，并且避免了无效药物的研发，减少了药物研发的成本和时间。
三、药物组合优化在多种疾病治疗中，单一药物的效果往往不够显著，需要进行药物组合治疗。
生物信息学技术可以通过分析多种药物的相互作用，预测药物组合的疗效和安全性。
通过建立药物和蛋白质、基因等之间的网络模型，生物信息学可以预测不同药物组合对疾病靶点的影响。
这有助于优化药物组合的选择，提高疗效，并减少不必要的副作用。
总结：生物信息学在药物开发中发挥着重要的作用，从药物靶点预测到药效评估再到药物组合优化，都提供了强有力的支持和帮助。
通过应用生物信息学技术，可以提高药物研发的效率和成功率，加速药物的上市进程，为疾病治疗带来新的希望。
值得注意的是，生物信息学在药物研发中只是一个重要的辅助工具，还需要结合实验验证和临床试验等多种手段来全面评价药物的疗效和安全性。
生物信息学在药物设计中的应用
生物信息学在药物设计中的应用随着科技的不断进步，生物信息学在药物设计领域的应用日益广泛。
生物信息学是通过对生物学数据进行收集、存储、处理和分析来解决生物学问题的学科。
通过利用生物信息学技术，科学家们能够更深入地了解生命体的结构和功能，并将这些信息应用于药物设计中。
药物设计是指根据疾病的分子机制开发新的药物或改良已有药物的过程。
传统的药物设计方法需要大量的时间和资源来进行试错实验，而生物信息学的出现改变了这一局面，加速了药物研发的进程。
首先，生物信息学在药物设计中的一个重要应用是通过基因组学和蛋白质组学的研究来寻找新的药物靶点。
基因组学研究揭示了人类基因组中的所有基因和其功能，为寻找疾病相关的基因提供了重要的线索。
蛋白质组学的研究则可以揭示细胞中各种蛋白质的功能和相互作用关系。
通过对基因组和蛋白质组的分析，科学家们可以识别出与疾病发展紧密相关的靶点，进而设计药物来干预疾病的进程。
其次，生物信息学还可以帮助科学家们进行药物分子的模拟和预测。
药物分子和受体之间的相互作用是药物发挥作用的基础。
利用生物信息学技术，科学家们可以对药物分子与受体的相互作用进行模拟和预测，从而优化药物分子的结构，提高药物的选择性和效力。
这种虚拟筛选技术可以大大加速药物研发过程，减少时间和资源的浪费。
此外，生物信息学还可以为药物设计提供重要的生物学数据和分析工具。
通过大规模的生物学数据的收集和整理，科学家们可以获得关于基因、蛋白质、代谢途径等生物学过程的详细信息。
这些数据可以为药物设计提供重要的背景知识和参考信息，帮助科学家们更好地理解疾病的发生机制，并设计出更有效的药物。
同时，生物信息学还提供了一系列的分析工具和算法，用于解析和处理大规模的生物学数据，帮助科学家们从庞杂的数据中挖掘有价值的信息。
除了以上几个方面，生物信息学还在药物设计中发挥着其他重要的作用。
例如，通过生物信息学技术，科学家们可以对药物进行结构与活性的关联分析，找出影响药物活性的结构因素，从而优化药物的结构；同时还可以对药物的代谢途径进行分析，预测药物在体内的转化和排泄过程，从而更好地评估药物的安全性和药效。
生物信息学技术在新药开发中的应用
生物信息学技术在新药开发中的应用附：生物信息学技术简介生物信息学技术是利用计算机科学和数学等方法分析生物学数据，从而解决生物学问题的学科。
随着生物学领域数据的快速增长，生物信息学技术应运而生。
生物信息学技术已经成为现代生物学发展的重要驱动力之一，并在新药开发中发挥着重要的作用。
一、生物信息学技术在药物设计中的应用生物信息学技术可以从多个角度对药物进行设计和筛选。
例如，可以使用分子对接模拟技术预测药物和靶点之间的相互作用方式，进而设计出更加精准的药物。
同时，生物信息学技术还可以对化合物进行虚拟筛选，快速识别有潜力的药物候选物。
生物信息学技术可以帮助药物研发的每个环节都更加精准和高效。
比如，结构基于药物设计（Computer-Aided Drug Design, CADD）技术可以在分子层面为药物提供结构基础，并指导小分子药物设计。
此外，系统药理学（Systems Pharmacology）技术可以建立复杂的网络模型，揭示药物和靶点之间的基本作用方式，指导药物研发路径的选择。
二、生物信息学技术在新药研发中的应用生物信息学技术可以为新药的研发提供全方位的支持。
近年来，人体基因组计划的实施以及大规模转录和蛋白质测序项目的完成，大量的生物学数据已经被积累。
这些数据可以通过生物信息学技术进行整合和分析，加速新药的研发过程。
其中，基因组学和转录组学技术可以揭示疾病发病机制的分子基础。
此外，蛋白质组学技术可以提供疾病标记物，指导药物研发过程。
此外，元转录组学技术可以通过分析微生物的繁殖方式和代谢次级代谢物来评估新药的效力和安全性。
三、生物信息学技术在药物安全性评估中的应用生物信息学技术可以帮助中药或天然药物化合物的安全性评估。
因为这些原材料的成分比较复杂，传统的实验方法非常耗时、耗力。
而利用基于人工智能的各种算法对于药理性试验模型进行建模，辅助中药的质量控制和研发是非常有效的。
总之，借助大量的生物数据和先进的生物信息技术，生物信息学技术已经成为新药研究开发过程中不可或缺的一部分，为药物的设计、研发、评估等提供了重要技术支持。
生物信息学技术在靶向药物设计中的应用
生物信息学技术在靶向药物设计中的应用随着科技的不断进步和生物技术的快速发展，靶向药物设计在治疗各种人类疾病中的重要性日益凸显。
生物信息学技术作为一种基于计算机科学和生物学的交叉学科，已经成为靶向药物设计中不可或缺的工具。
本文将介绍生物信息学技术在靶向药物设计中的应用，包括分子建模、基因组学和蛋白质组学等方面。
首先，生物信息学技术在靶向药物设计中的一个重要应用是分子建模。
分子建模是一种通过计算机模拟来预测和研究分子结构和功能的方法。
靶向药物设计中，分子建模可以用来预测药物与靶标蛋白之间的相互作用，进而设计出具有高效性和选择性的药物。
通过模拟分析，研究人员可以预测药物分子的三维结构和药物与靶标蛋白的结合模式，从而对药效进行评估和优化。
生物信息学技术可以通过计算分析大量的化合物和蛋白质数据库，快速筛选出具有潜在药理活性的化合物，并提供指导以优化药效。
其次，基因组学是生物信息学技术在靶向药物设计中的另一个重要应用。
基因组学研究基因组的结构、功能和演化等问题，对于靶向药物的开发有着重要的指导作用。
通过对人类基因组的研究，科学家可以鉴定出与疾病相关的基因，进而开展药物靶点的筛选和优化。
生物信息学技术可以对大规模基因组数据进行挖掘和分析，帮助研究人员发现疾病相关基因的突变和功能变异，从而为下一步的靶向药物设计提供重要的依据。
另外，蛋白质组学也是生物信息学技术在靶向药物设计中的重要应用之一。
蛋白质组学研究蛋白质的结构、功能和相互作用等方面，对于靶向药物的发现和设计具有重要意义。
通过生物信息学技术，科学家可以预测蛋白质结构和功能，分析蛋白质的相互作用网络，识别关键的信号通路和分子靶点。
这些信息可以帮助研究人员了解疾病发生的机制，开发出具有高效性和选择性的靶向药物。
此外，生物信息学技术还可以应用于药物剂量优化、药物代谢和药物副作用等方面。
通过对个体基因型和表型的分析，科学家可以根据个体差异定制适合的靶向药物剂量，提高治疗效果并减少药物毒性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
生物信息学在药物设计中的应用SJ摘要：生物信息学是在数学、计算机和生命科学的基础上形成的一门新型交叉学科，是指为理解各种数据的生物学意义，运用数学、计算机科学与生物学手段进行生物信息的收集、加工、储存、传播、分析与解析的科学。
随着生物信息学的发展，其在药物开发中起着越来越重要的作用。
本文简要的综述了生物信息学在药物设计中的应用。
关键词：生物信息学；药物设计；靶标1 生物信息学1.1生物信息学概述自1990年人类基因组计划正式启动以来，其迅猛发展造成了生物学数据的迅速膨胀，大量多样化生物学数据蕴含着大量生物学规律，这些规律是解决许多生命之谜的关键所在。
因此人们对生物学数据搜集、管理、处理、分析、释读能力的要求迅速提升，计算机技术也越来越多地应用于处理人类基因组研究产生的海量数据及相关生物信息。
一门由生物学、计算机科学及应用数学等学科交叉形成的新兴学科——生物信息学应运而生。
生物信息学利用计算机科学技术，结合生物学、数学、物理学、化学、信息学和系统科学等理论和方法，通过高容量的数据库、繁多的搜索系统、快速的网络通讯和分析工具对生物信息资源进行收集、存储、分析、利用、共享、服务、研究与开发。
其研究重点主要体现在基因组学和蛋白组学两方面。
具体说，是从核酸和蛋白质序列出发，分析序列中表达的结构与功能的生物信息。
目前基因组学的研究出现了几个重心的转移：一是将已知基因的序列与功能联系在一起的功能基因组学研究；二是从作图为基础的基因分离转向以序列为基础的基因分离；三是从研究疾病的起因转向探索发病机理；四是从疾病诊断转向疾病易感性研究。
生物芯片(Biochip)的应用将为上述研究提供最基本和必要的信息及依据，将成为基因组信息学研究的主要技术支撑。
生物信息学的发展为生命科学的进一步突破及药物研制过程革命性的变革提供了契机。
就人类基因组来说，得到序列仅仅是第一步，后一步的工作是所谓后基因组时代的任务，即收集、整理、检索和分析序列中表达的蛋白质结构与功能的信息，找出规律。
1.2生物信息学的阶段前基因组时代（20世纪90年代前）：这一阶段主要是各种序列比较算法的建立、生物数据库的建立、检索工具的开发以及DNA和蛋白质序列分析等。
基因组时代（20世纪90年代后至2001年）：这一阶段主要是大规模的基因组测序，基因识别和发现，网络数据库系统地建立和交互界面工具的开发等。
后基因组时代（2001至今）：随着人类基因组测序工作的完成，各种模式生物基因组测序的完成，目前生物科学的发展已经进入了后基因组时代，基因组学研究的重心由基因组的结构向基因的功能转移。
这种转移的一个重要标志是产生了功能基因组学，而基因组学的前期工作相应地被称为结构基因组学。
[1]1.3生物信息学与药物研发生物信息学的研究对象主要是核酸和蛋白质的序列、结构和功能信息。
但在新药研发中，药物在生物体内发挥生物效应是通过小分子与生物大分子之间的相互作用实现的。
生物信息学在药物研发中的意义在于找到病理过程中关键性的分子靶标、阐明其结构和功能关系，从而指导设计能激活或阻断生物大分子发挥其生物功能的治疗性药物，使药物研发之路从过去的偶然和盲目中找到正确的研发方向。
2 在药物研发中的应用2.1研发模式药物研发是一个不断推陈出新的过程，全球每年推出约50种新药，每种均针对某一靶点。
据统计，至今研究过的药物靶点已达483个[2]。
药物作用新靶点的发现,往往成为一系列新药发现的突破口。
传统的药物研发模式为：根据资料筛选合理的药理模型——化学合成或从天然产物中人工寻找——先导物的优化——候选药物临床评价——投入市场[3]。
实践证明,这种方式行之有效,但时间长,花费大,药物作用机理不明确。
随着基因组研究的发展，可利用的数据和信息日益庞大,生物信息学可以快速地分析、选择，帮助人们从海量数据中发现和确定新的药物靶点，并通过计算机构建各种模型，方便、快捷地验证各种设想，指导生物活性筛选，从而设计或发现更为安全、高效的药物，由此为我们提供了新的药物研发模式：靶点的识别——靶点的证实——先导化合物的发现——先导化合物的优化——临床评价——投入市场[4,5]。
新模式的出现使现代新药研发的针对性更强，效果更好，周期更短，研发投入更低。
2.2先导化合物的寻找药物研发中，第一步是找到能有效地激活或阻断靶标的生物学功能的化合物分子，即先导化合物的结构，该化合物能与靶标蛋白结合并能进一步发展成药。
因此，生物大分子和配体的相互作用和识别信息在药物设计中极为关键。
先导化合物的寻找有分子对接法、三维结构搜索法和全新药物设计法。
目前人们寻找先导化合物的首选方法就是运用分子对接法和用药效团作为提问结构的三维结构搜索法，从数据库中搜索所需的先导化合物。
当直接从数据库中搜索不到所需的化合物分子时，可运用全新药物设计方法进行先导化合物分子的设计。
2.2.1三维结构搜寻把药效团(使分子具有某种生物活性的结构特征及其空间排列方式)作为提问结构，利用计算机人工智能的模式识别技术，把三维结构数据库中的小分子数据逐一地与搜寻标准(即提问结构)进行匹配计算，寻找符合特定性质和三维结构形状的分子，从而发现合适的药物分子。
用三维结构搜寻法寻找先导化合物的步骤可以归结为：①选择一个搜索软件和三维结构数据库作为搜索工具。
②以具有某种药效活性的结构或基团作为提问结构。
③按照所选搜索程序和数据库的操作要求进行搜索，找出符合提问结构要求的物质作为命中结构。
④从众多的命中结构中找到有库存或可以购买，并含有必需疏水区范围的样品进行生物活性测定。
⑤从生物活性测定结果中，优选出活性最高的物质作为先导化合物[6]。
根据搜寻方式不同，可分为三维几何搜寻、三维相似性搜寻和柔性构象搜寻，近年来还开发了大分子三维结构搜寻。
三维结构搜寻中常用的软件有Catalyst、Unity 及Apex-3D。
2.2.2分子对接由于计算机技术的发展、蛋白质三维结构解析速度的快速增长和商业小分子数据库的不断更新，分子对接法在药物设计中已经成为基于结构药物设计的主要方法之一。
分子对接法的最初思想起源于Fisher E提出的“锁钥模型”，即受体与配体的相互识别首要条件是空间结构的匹配。
基于受体的分子对接法，首先要建立大量化合物的三维结构数据库，然后依次在数据库中搜索小分子配体使其与受体的活性位点结合，并通过优化取向和构象，使得配体与受体的形状和相互作用最佳匹配。
最开始的分子对接方法是刚性的分子对接法，这种方法在对接中小分子和蛋白质都保持刚性，没有考虑小分子在大的构象空间中的几种低能状态。
因此后来又发展为柔性的对接方法，其又分为：①构象的系综方法。
②片段的方法。
③遗传算法和进化规则。
④基于分子模拟的方法。
考虑蛋白质柔性的方法[7]。
分子对接法常用的软件有DOCK、FlexX、AutoDock、CombiDOCK、FT-DOCK 和GRAMM。
2.2.3全新药物设计上两种方法得到的先导化合物通常是已知化合物，需要其它的方法来弥补其不足，因此全新药物设计得到了飞速发展。
全新药物设计又称为三维结构生成或从头设计，它根据受体活性部位的几何形状和化学性质，让计算机自动设计出与其相匹配的具有新颖结构的药物分子。
该分子能与受体活性部位很好的契合，但往往需要进行合成。
全新药物设计分为基于结构的直接药物设计和间接药物设计。
（1）直接药物设计当数据库中没有所需要的化合物分子时，可根据生物大分子的三维结构信息，运用分子模拟软件分析结合位点的特性，直接设计出与靶蛋白作用位点匹配的新分子，这是一种全新药物设计方法，目前常用的是Insight Ⅱ和Catalyst。
Catalyst是一种药物设计操作平台，能简易设计分子结构模型，提供先进的信息检索、信息分析、功能模拟，访问相关的数据库，设计假设化合物及相关模型，解释构效关系，进行组化合物的结构、功能对比，设计特定药效基团以及筛选特定结构化合物。
InsightⅡ是一种生命科学领域分子模拟系统的图形操作平台，依托于UNIX图形工作站，对生物大分子，特别是蛋白质分子的空间构象给予图形界面化。
同时，集成常用的、具有共性的分子操作工具，如空间构象显示模式、几何参数计算、分子结构单元的定义和操作、计算数据的图形处理等。
（2）间接药物设计当不知道受体结构信息时，由若干已知活性的药物分子作为基础，根据对这些分子的结构及其所表现出来的活性进行系统研究，提出结构与药效的对应关系，最后确定合理的药效基团。
定量构效关系(QSAR)是将化合物的结构信息、理化参数和生物活性进行分析计算，建立合理的数学模型，研究构-效之间的量变[8]，现在已发展为2D-QSAR和3D-QSAR，QSAR with CoMFA是定量构效关系研究的工具集，可用于先导化合物的结构修饰和改造。
HQSAR是全息定量构效关系研究方法，在没有分子三维结构信息的情况下自动建立高度预测的QSAR模型。
当受体结构不知道时，而它的序列和已知三维结构的蛋白质的序列有很近的相似关系时，也可以根据蛋白质的同源模建软件SWISS-MODEL来构建这个蛋白的三维模型，SWISS-MODEL可以自动提供蛋白质建模服务，在同源模建之后,就可以运用分子模拟软件分析其结合位点的特性，进而设计出与该蛋白质相匹配的化合物分子。
3 数据库3.1数据库分类随着生物学研究和计算机技术的发展，各种生物数据库多了起来，同时数据库中包含的信息量也在迅速的增长。
生物信息学的发展离不开数据库。
按照处理对象分类, 生物信息学中的数据库主要有四种类型: 核酸序列数据库、蛋白质序列数据库、蛋白质结构数据库和基因组数据库。
根据建库的方式，现有的生物信息数据库也可以大致分为四类：一级数据库是最基础的，一般是国家或国际组织建设和维护的数据库，如由美国NCBI 所维护的GenBank等。
二级数据库是在一级数据库的基础上，结合工作的需要将部分数据从一级数据库中取出，经过重新组合(包括一定的修正或调整) 而成的数据库。
其专一性很强, 数据量相对较少，但质量高，数据库结构设计精制。
专家库是一种特殊的二级数据库, 但它是通过有经验的专家经过人工校对标识之后建立的。
这种数据库质量很高, 使用方便可靠，但更新和发展都比较慢。
还有一种是整合数据库，它是将不同数据库的内容按照一定的要求整合而成，为一定的目的服务，许多商业和内部数据库实质上就是整合数据库。
3.2 数据库对药物设计的作用生物信息学的发展与网络的迅速发展是密切相关的。
目前，有许多生物信息学数据库分散在网络的上，通过网络为用户提供服务。
现代制药工业离不开生物信息学的参与，而生物信息学也离不开数据库中的信息。
所以药物的开发研究需要对它有足够的重视,并充分利用其优势。
新药创制是一项耗资巨大且效率低下的工作。