CADD计算原理示意图 - 2026年01月 - 行业研究数据

CADD计算原理示意图

研究报告节选:

的限制因素为算法和数据: 1、尚未有算法能够同时兼顾分子结构创新和合成性:分子生成采用的是深度学习等模型,基于虚拟筛选形成的数据库进行“学习”,但是其学习框架依旧在CADD的基础之上:基于配体的药物设计(LBDD)/基于结构的药物设计(SBDD)。因此通过建模获得的分子符合基础的药化原理,但是往往会缺乏合成性原则导致无法在真实世界中合成。
最后更新: 2026-01-22

相关行业研究图表


英矽智能管线概览
英矽智能管线概览 - 2026年01月 - 行业研究数据
国内A1制药潜在市场价值测算
国内A1制药潜在市场价值测算 - 2026年01月 - 行业研究数据
求AI制药领先企业的算法及应用
求AI制药领先企业的算法及应用 - 2026年01月 - 行业研究数据
A制药研发环节的主要挑战
A制药研发环节的主要挑战 - 2026年01月 - 行业研究数据
2012-2022年A1+制药投融资情况
2012-2022年A1+制药投融资情况 - 2026年01月 - 行业研究数据
A制药的应用重点在临床前阶段
A制药的应用重点在临床前阶段 - 2026年01月 - 行业研究数据

相关行业研究报告


图表内容


图表14:CADD计算原理示意图
Computer-aided drug design
(CADD)
Structure-based drug design
Ligand-based drug design
(SBDD)
(LBDD)
Binding site identification
Quantitative structure-activity
relationship (QSAR)
Pharmacophore modeling
Docking and Scoring
Virtual screening
Compound selection
Lead optimization
New drug
到来源:Arch pharm res.中邮T券研究所
1A