JMC：从薛定谔、赛诺菲等制药公司角度看通过计算进行药物Hit的发现

主要观点总结

本文介绍了虚拟筛选在药物研发中的重要性及其近年来与计算科学结合的发展趋势。文章详细阐述了计算科学药物发现的核心技术、主要挑战与应对策略，以及先进技术在Hits识别中的应用。文章还展望了虚拟筛选的未来发展和行业挑战。

关键观点总结

关键观点1: 计算科学在药物研发中的关键角色

虚拟筛选成为湿试验的重要补充，近年来发展迅猛。

关键观点2: 虚拟筛选的核心技术和方法

包括SBVS、LBVS等，硬件和算法的发展对计算Hits发现产生了深刻影响。

关键观点3: 药物研发面临的挑战

包括靶标自身的复杂性、化合物库规模与多样性、SBVS的技术瓶颈等。

关键观点4: 虚拟筛选的实践经验与应用案例

介绍了一些成功的虚拟筛选实践案例，如DEL+VS的应用实例等。

关键观点5: 机器学习和人工智能在Hits识别中的应用

机器学习被用于虚拟筛选、主动学习等方面，提高筛选效率和命中率。

关键观点6: 未来展望

虚拟筛选正朝着AI驱动的多模态平台演进，未来需持续优化算法和降低计算成本。