几千年来，人类凭借猜测和碰运气等方式发现新药物，然而，随着高级计算机的出现，新药研发通过模拟和建模方式找到药物靶点。
德州大学奥斯汀分校模拟的蛋白质合成图
得克萨斯大学Chandrajit Bajaj教授从事这一领域已达20多年。他系统分析了药物研发流程的每一步骤，并在药物运算研发中提高算法的速度和准确度。这项研究获得美国国立卫生研究院 、国家科学基金会以及德克萨斯州药品和诊断发展研究所3个机构的资助。
通过生物物理算法以及高性能、并行处理的超级计算机，德克萨斯计算中心（TACC）能够进行建模、模拟、分析和可视化一系列流程。
Bajaj称：“电脑有利于加快药物设计的进程。新药应用于临床需要10年，并耗费10亿美元或更多，因此药物运算研发不仅缩短时间，还节约开支。”
最新研究表明：从研发阶段到递交审核，时间和资金的成本不断增长，然而却很少获得FDA批准，因此，新药研发需要时间更快、资金更少的方法。
如果研究人员希望发现一个突破性新药物，他们首先要仔细分析病毒、细菌或突变引起的疾病。此外，电子显微镜利用X射线拍摄样品中相关分子的纳米级图像，虽然图像中呈现一些斑点，但是仔细清理后就可利用。
整理10万清理后的图像，研究人员可获得一个正在探索的分子三维模型，由于该结构反映出分子形状以及形状互补性决定药物能否结合到目标分子上，因此，结构是新药研发的重要线索。如果正确地识别结构后，3D模型让研究人员能够理解、识别和检测病毒的潜在结合位点。
Bajaj 称：“容量模型是电子投影的好处，因此你不仅能创建分子的表面模型，还能查看内部的细节信息。”
由于图像重建和建模算法的改进，Bajaj和合作者现在能够识别分子的二级结构，如单个侧链（这一关键的分支从分子中心结构延伸而来），该水平的详细信息能够准确预测药物的结合能力。
Bajaj最近的一篇论文表明，他们的算法能探测蛋白质的二级结构（α-螺旋和β-折叠），通过单颗粒低温电子显微镜，研究人员观察的3D图像具有介于中值（6-10Å）和粗糙（10-15 Å）之间的分辨率。
Bajaj 称：“如果不能模拟所用的因素，你会得到错误答案。如果预测是错误的，你所做的一切都不是好方案，结果只会令人苦恼。”
目标分子的结构一旦确定后需要测试潜在的药物化合物，以验证它们是否具有合适的结合位点。例如HIV病毒，巴贾杰希望找到一种分子，它能够特定地结合在HIV病毒表面以及向病毒传送一个抵达目的地的信号。与其把遗传物质转入宿主细胞，潜在的药物能够诱导HIV病毒在胞外增殖，从而不造成伤害。
在所用的潜在化合物中，科学家如何发现一个能够匹配和结合靶向区域的分子那？
过去10年中，科学家在计算机上发现更快的检索方式，如谷歌。Bajaj把这一方法应用于药物靶标筛选，依据结合能量和生化动力学，他和研究小组创建一个排序的靶点列表，用于显示最可能的兼容化合物，这一点不同于谷歌的搜索法：搜索性算法查找最近的咖啡厅。
Bajaj 审查排名最高的一些分子，然后分析出那些位点需要改进。他解释道：“我们不仅定量准确度，还要了解错误，因为不知错误原因，你怎么能检查和改进模型那？”
为了让问题变得更简单，研究人员必须确保目标化合物能够结合其它分子的关键部分，否则会引起副作用。分子结合和构造的可能性困扰着研究人员，但是随着电脑硬件和算法的改进， 这类问题将变得迎刃而解。
利用基于CPU和GPU的方法，Bajaj和团队极大地提高药物模型的分辨率和精度，此外，他们还加快在广谱带中的斑点搜索。
