编辑推荐：
本文综述计算机辅助药物设计（CADD）在药物研发中的关键作用，探讨其通过基于结构 / 配体的设计策略（如分子对接、3D-QSAR、机器学习等），加速药物发现、提升准确性并降低时间成本，助力优化候选化合物活性及 ADME 性质，对医药研究意义重大。
摘要
背景：计算机辅助药物设计（CADD）方法在药物发现与开发过程中至关重要。制药和生物技术组织以及学术机构利用 CADD 来识别和增强生物活性化合物的功效。
目的：本研究旨在通过探讨计算机辅助药物设计（CADD）的意义、价值及其基本原理吸引研究人员，重点关注其加速药物发现过程、提高准确性、减少所需时间和财务资源，最终对公共卫生产生积极影响。
方法：使用 PubMed 和 Scopus 等数据库进行全面文献检索，聚焦截至 2024 年发表的研究。研究的选择基于其对当代药物研究与计算机辅助药物设计之间联系的分析，重点关注基于结构和基于配体的药物设计策略，包括分子对接、基于片段的药物发现、从头药物设计、药效团建模、定量构效关系（Quantitative Structure-Activity Relationship, QSAR）、3D-QSAR、同源建模、计算机模拟吸收 - 分布 - 代谢 - 排泄 - 毒性（in silico ADME-Tox）以及机器学习 / 深度学习。
结果：计算机辅助药物设计（CADD）方法是用于修饰和衡量潜在候选药物某些特性的数学工具，有多种应用，涵盖多种可供公众使用及企业购买的软件产品。CADD 方法应用于药物开发过程的多个阶段，包括作为化学合成和生物学测试的基础，为未来构效关系（SAR）的发展提供信息，从而在活性和 ADME（吸收、分布、代谢和排泄）方面优化分子。CADD 技术主要用于分析和评估大分子对特定生物分子（如仅作为受体的 DNA、RNA、蛋白质和酶）的亲和力。CADD 通过预测药物相似性、物理化学性质、药代动力学和毒性等各种参数，改善先导化合物的选择。CADD 在药物建模中的应用是为了应对成本和时间限制等挑战，现代计算机辅助药物发现需要进行虚拟筛选和高通量筛选（HTS）。
结论：计算机辅助药物设计在学术机构和领先制药公司开发提高效力、减少时间和成本的药物方面发挥着关键作用。
