第一部分：简单说下药物研发的全流程。
(1) 传统药物研发是一个极其漫长且成本高昂的过程，一款新药从概念到最终获批上市通常需要耗费10到15年的时间，且平均研发成本高达10亿至26亿美元。
(2) 这一过程呈现出高度线性的特征，必须依次经历靶点识别与验证、苗头化合物发现（Hit Discovery）、先导化合物优化（Lead Optimization）、临床前测试以及漫长的多期临床试验。（这里面每一个概念都可以上网详细查询看看）
第二部分：计算机辅助药物研发。
计算机主要辅助以下阶段：
主要目的就是提速！降本增效。
（1）靶点识别与验证
方法：生物信息学、多组学数据、网络分析等。
用途：发现新靶点、先进的 AI 模型（如 AlphaFold）能够极高精度地预测目标蛋白质的三维结构，为后续的药物设计奠定基础。
（2）苗头化合物的发现与虚拟筛选
方法：分子对接、药效团建模等。
解决痛点：大幅减少了需要在物理实验室中进行盲测的化合物数量，显著降低了早期筛选的时间和资金成本。
（3）先导化合物优化与从头设计
方法：AI生成模型、分子动力学MD（计算化学）。
（4）临床前ADMET评估
方法：预测模型（主流：机器学习/深度学习）。
（5）临床试验辅助
自行查询，有很多方面，如药物戒备等。