尽管高利润的制药企业和重视研发的公司在新药研发上可谓是一掷千金，然而，新药研发的速度仍是极其缓慢的。在过去的几年中，平均每年推出不到24个新药。一个更有前途的技术是超级计算机将有助于加快这一进程，它不仅用来找到更好、更安全的药物，也可筛选掉那些将在药物后期试验失败的化合物。
分子模拟软件有望在超级计算机上推进药物研发速度
高性能计算能力用于新药筛选
据2010年在“自然”上的一份报告，大型制药公司每年在药物研究和开发上花费500亿美元。（换个角度看，这一支出是高性能计算机总花费的4到5倍。）据Nature报告估计，把一种新药成功推向市场的价码约为18亿美元，或许更高。高额成本归因于药物高流失率，这是由于在临床试验中未发现的吸收、分散、代谢、排泄和毒性问题造成的。
理想情况下，在进入昂贵的研发阶段之前，药品制造商想知道哪些化合物将会成功，这就是高性能计算机的用武之地。方法是利用计算机上的分子对接模拟确定候选药物是否可结合在与疾病相关的靶蛋白上。总体思路是找到适合“锁”（靶向蛋白质）的“钥匙”（小分子药物）。
AutoDock可能是最常见的关于蛋白质对接的分子模拟应用，也是药物研究领域一个比较流行的软件包。它在市场上一些较成功抗艾滋病毒药物的研发中发挥作用。幸运的是，AutoDock在GNU通用公共许可证下免费使用。
目的是要做到一次大规模的对接模拟。多亏了现代HPC机器的功能，数以百万计的化合物在适当的时间内可针对一种蛋白质进行筛选。说实话，时间长度要取决于任务中多少个核心数据，对于一个典型的中型集群（一个制药公司内部可能会有的），制药公司需要几个星期才能对一个靶定蛋白的数千个化合物进行筛选。为达到一个更加交互的工作流程，你需要一个接近千万亿次的超级计算机。
然而，不一定是实际的超级计算机。云计算被证明是非常适合于这类令人尴尬的并行应用。例如，在最近利用50,000核的亚马逊云计算的测试中，该软件能够在不到3个小时内筛选针对一个蛋白质的2,100万个化合物。
真正的超级计算机也能这样做。橡树岭国家实验室（ORNL）的研究人员在不到一天的时间内利用50,000核Jaguarza筛选约1,000万个候选药物。橡树岭国家实验室分子生物物理学中心主任Jeremy C. Smith相信，他的虚拟筛选方法是在加速药物研发中最具成本效益，而真正实用的超级计算方法是用来筛选出无毒副作用的药物。
药物试验中毒性的问题
毒性往往很难检测，直到它进入药物研发中最昂贵、耗时的阶段：临床试验。更糟糕的是，有时毒性发现时药物已获批准并投放到市场上，因此，尽早识别这些化合物可潜在节省大量金钱，生命健康也是如此。Smith说：“如果候选药物终究失败，你想让它尽早失败，这样会更省钱。”
在分子水平上，毒性体现在药物结合在错误的蛋白质上。药物实际上是人体所需的，而不仅是选择性结合在特定蛋白质引起疗效。问题是人类约有一千个蛋白质，所以每一个潜在的化合物需要被核查。当你研究数以百万计的候选药物，即使对于目前千万亿次的超级计算机，它也会不堪重负。Smith称，为了支持毒性问题的研究，你将需要一个亿亿次级计算机。
分子对接软件应用于药物重开发
除了毒性筛选外，亿亿次级计算机还可在其它医疗状况下重新利用现有的药物，也就是说，药物对接软件将审批后的药物作为研发起点，研究人员尝试把它们匹配到引起疾病的不同靶定蛋白。目前，药物再利用明显表现出试错法的特点，但是，目前多用途领域中越来越多的化合物表明，这一方法可能拓展药物发现的新领域。
在任何情况下，庞大的计算能力不是完整的答案。对于初学者来说，该软件具有可扩展的硬件水平。就亿亿次级计算机而言，硬件很有可能要基于异构处理器。但是，由于这个问题很容易经并行化处理（每个对接操作可以彼此独立），至少缩放方面应该比较容易克服。
更大的问题是，分子建模软件本身是不完善的。不像真正的锁和钥匙，蛋白质具有动态的结构，结合在分子上可改变它们的形状，因此，物理模拟也需要得到一个更精确的匹配。
例如，AutoDock仅能提供药物和蛋白质之间的原始匹配。为获得更高保真度的对接，更多的计算密集算法是必需的。如橡树岭国家实验室的研究人员，在运行AutoDock原始筛选之后，经常采用更精确的分子动力学代码。
这一切都不能保证，亿亿次级计算机的虚拟对接能够将药物推进黄金时代。可能的是研究人员将发现小分子化合物具有2种疾病疗效却没有毒性。但是，Smith认为这种做法充满希望。“这是设计药物的方式，因为这反映了实际的工作方式，”他说。
