计算生物学和药物设计实验室（智能药物创新研究与转化中心）致力于运用和发展一些新的概念，算法和软件在海量生物医药数据中快速的筛选具有生物活性的先导化合物，通过先导化合物的优化、化学合成改造、ADMET评价以及化学/生物活性检测等，加快药物发现和开发的速度，并降低药物开发的成本。药物分子设计可以看作一个多参数优化问题，其目标是设计出具有多种理想药学性质的新分子。据估计，目前可开采的化学空间约为10²³至10⁶⁰，在如此巨大的化学空间如何有效发现和筛选出高成药性的先导活性分子是药物分子设计所面临的巨大挑战。药物分子设计过程涉及到多种科学原理的运用，而且需要严密的跨学科交叉研究的思维方式。我们运用各种人工智能技术、机器学习方法、分子模拟、计算化学、化学信息学以及生物信息学技术来实现自动的问题假设生成，活性预测和实验验证研究。针对药物研发中的三个关键技术瓶颈问题（生物活性分子的发现、成药性和安全性预测、及选择性/耐药性/脱靶效应评估），聚焦基于结构/配体的虚拟筛选方法、成药性理论预测和分子靶标识别展开了系统和深入的方法学研究，并把发展的方法与实验平台无缝衔接用于多个重要靶点的药物分子设计和生物活性分子的作用靶标识别，旨在开发出具有全新结构的抗肿瘤先导化合物并揭示了多种生物活性分子（如中药及复方）的新机制。

课题组网站首页：

http://team.csu.edu.cn/cbdd/zh_CN/index.htm

http://institution.csu.edu.cn/sinocbdd/zh_CN/index.htm

http://home.scbdd.com/

Google学术：

https://scholar.google.com/citations?hl=en&user=kTo-lXEAAAAJ&view_op=list_works

本课题组主要开展五方面研究工作：

1：基于机器学习的生物活性理论预测和筛选方法研究

2：基于机器学习和人工智能的成药性和安全性预测方法研究

3：基于人工智能技术和分子模拟的药物选择性/脱靶效应/耐药机制研究

4：基于重要靶标的药物分子设计和开发研究

5：中药/天然产物分子的靶标预测和作用机制研究