基于生物信息学的药物筛选与设计

基于生物信息学的药物筛选与设计1引言1.1主题背景及意义随着生物科学和计算机科学的发展，生物信息学在药物筛选与设计领域发挥着越来越重要的作用。生物信息学是一门交叉学科，涉及生物学、计算机科学、数学和统计学等多个领域，旨在通过运用计算机技术对生物大数据进行挖掘、分析和整合，为药物研发提供理论依据和实验指导。药物筛选与设计作为新药研发的关键环节，其目的是寻找具有特定生物活性的化合物，为疾病的治疗提供新的药物候选物。基于生物信息学的方法和技术，可以高效、快速地从大量候选化合物中筛选出具有潜在治疗作用的药物，从而降低研发成本，缩短研发周期，提高新药研发的成功率。1.2研究现状与趋势近年来，生物信息学在药物筛选与设计领域的研究取得了显著成果。国内外学者通过构建生物信息学数据库、发展高通量筛选技术、运用计算机辅助药物设计等方法，成功筛选出了一批具有潜在治疗作用的药物候选物。目前，生物信息学在药物筛选与设计领域的研究趋势主要体现在以下几个方面：数据库和生物信息学平台的构建：整合各类生物学、化学和药理学数据，为药物筛选与设计提供更为全面、系统的信息资源。高通量筛选与虚拟筛选技术的应用：通过自动化实验和计算机模拟，快速筛选出具有特定生物活性的化合物。多靶点、多模态药物设计：针对复杂疾病的多因素、多环节特点，设计具有多靶点、多模态作用机制的药物。个性化药物筛选与设计：基于患者的基因型、病情和药物代谢特点，为其量身定制个性化治疗方案。跨学科合作：生物信息学、生物学、药理学等领域的专家学者共同合作，推动药物筛选与设计技术的发展。随着生物信息学技术的不断进步，未来药物筛选与设计将更加高效、精准，为新药研发提供有力支持。2.生物信息学基础2.1生物信息学概念及发展历程生物信息学是一门交叉学科，它结合了生物学、计算机科学、信息学、数学和统计学等领域的知识和技术，旨在解析生物大分子（如DNA、RNA和蛋白质）的结构和功能，以及这些生物大分子之间的相互作用关系。自20世纪90年代以来，随着人类基因组计划等大型生物学项目的实施，生物信息学得到了快速发展。生物信息学的发展历程可以分为以下几个阶段：首先是数据的收集和存储阶段，这一阶段主要解决了生物大数据的存储和管理问题；其次是数据的分析阶段，开发了多种生物信息学分析方法和技术，如序列比对、基因预测、蛋白质结构预测等；最后是知识发现和应用阶段，通过整合和分析已有数据，发现新的生物学规律，为药物筛选与设计提供理论依据。2.2生物信息学在药物筛选与设计中的应用生物信息学在药物筛选与设计中的应用日益广泛，主要表现在以下几个方面：药物靶标的发现与验证：生物信息学方法可以从大量生物数据中预测和筛选出潜在的药物靶标，如通过基因表达谱分析、蛋白质相互作用网络分析等手段，发现与疾病相关的基因和蛋白质。药物分子库构建：生物信息学技术可用于构建药物分子库，如基于已知的活性化合物，利用计算机辅助设计方法构建化合物库，为药物筛选提供丰富的候选化合物。药物筛选模型构建：通过生物信息学方法，如机器学习、模式识别等技术，可以构建高效的药物筛选模型，提高药物筛选的准确性和效率。药物作用机制研究：生物信息学可以用于分析药物与靶标之间的相互作用关系，揭示药物的作用机制，为药物优化和设计提供理论指导。个性化药物筛选与设计：生物信息学技术可以根据患者的基因组信息、疾病特征等因素，进行个性化药物筛选与设计，提高药物治疗效果。综上所述，生物信息学在药物筛选与设计领域发挥着重要作用，为药物研发提供了有力支持。随着生物信息学技术的不断发展，未来在药物筛选与设计中的应用将更加广泛和深入。3.药物筛选方法与技术3.1高通量筛选技术高通量筛选（HTS）技术是现代药物筛选领域的重要手段。该技术基于微板形式，能在短时间内对大量化合物进行生物活性测试。高通量筛选涉及多个学科，如生物化学、分子生物学、自动化技术等。通过自动化仪器，如液体处理器、机器人等，实现对化合物库的高效率筛选。高通量筛选技术在药物发现初期阶段具有重要作用，有助于快速筛选出具有潜在活性的化合物。3.2虚拟筛选技术虚拟筛选是一种基于计算机技术的药物筛选方法，其主要依赖于药物分子与生物靶标之间的相互作用关系。虚拟筛选包括基于结构的虚拟筛选和基于配体的虚拟筛选。前者依赖于靶标蛋白的三维结构，通过分子对接技术筛选出与靶标蛋白具有潜在结合能力的化合物；后者则基于已知活性化合物的相似性，通过相似性搜索方法发现新的活性化合物。虚拟筛选技术能够减少实验筛选所需的化合物数量，提高药物筛选的效率。3.3靶向药物筛选靶向药物筛选是一种针对特定生物靶标进行的药物筛选方法。随着生物信息学的发展，越来越多的生物靶标被揭示，为靶向药物筛选提供了丰富的资源。靶向药物筛选可以基于高通量筛选技术或虚拟筛选技术进行。通过针对特定靶标进行药物筛选，有助于提高药物的治疗效果，减少毒副作用，实现个性化治疗。目前，靶向药物筛选已成为药物发现领域的重要研究方向。4药物设计方法与技术4.1基于结构的药物设计基于结构的药物设计（Structure-BasedDrugDesign,SBDD）是一种以药物靶标的三维结构为基础，设计新型药物的方法。SBDD的关键步骤包括确定靶标蛋白的活性位点，理解药物与靶标蛋白的相互作用机制，以及在此基础上设计能与靶标蛋白活性位点相匹配的小分子药物。在这一过程中，生物信息学技术发挥着至关重要的作用。首先，通过X射线晶体学或核磁共振等技术获得的蛋白质结构数据，可以在生物信息学平台上进行整理和分析。其次，利用计算机辅助设计软件，可以对药物分子与靶标蛋白的结合模式进行模拟和优化。此外，生物信息学数据库中存储的大量药物和靶标蛋白结构信息，为SBDD提供了丰富的资源。4.2基于配体的药物设计基于配体的药物设计（Ligand-BasedDrugDesign,LBDD）则侧重于利用已知活性化合物的信息来设计新药。这种方法通过分析已有药物分子的结构特点，发现共同的药效团，从而指导新药的设计。生物信息学在此过程中同样扮演着重要角色，例如通过机器学习算法对药物分子进行分类，预测其生物活性，以及利用相似性搜索技术发现新的化合物。LBDD的一个典型应用是药效团模型构建，这种方法通过识别和靶标蛋白结合的必要结构特征，来指导新药的合成。此外，三维配体相似性搜索和药效团映射等技术，也广泛应用于基于配体的药物设计中。4.3计算机辅助药物设计计算机辅助药物设计（Computer-AidedDrugDesign,CADD）结合了基于结构和基于配体的设计方法，利用计算机模拟和计算化学原理，加速药物的发现和优化过程。CADD技术包括分子对接、分子动力学模拟、量子化学计算等。分子对接技术可以预测小分子药物与靶标蛋白的结合模式和亲和力，是CADD中的核心技术之一。分子动力学模拟则可以提供蛋白质与小分子相互作用的动态过程信息，有助于理解药物作用机制。而量子化学计算则用于精确预测药物分子与靶标蛋白之间的电子排布和能量变化，以指导药物分子的优化。CADD的优势在于能够在大规模的虚拟化合物库中进行快速筛选，从而提高药物发现效率，降低研发成本。同时，这些技术也越来越多地应用于药物重定位、药物副作用预测等领域。通过生物信息学与CADD的结合，药物筛选与设计的效率和成功率得到了显著提升。5.生物信息学在药物筛选与设计中的应用案例5.1抗肿瘤药物筛选与设计在抗肿瘤药物筛选与设计中，生物信息学发挥着至关重要的作用。通过生物信息学技术，可以从海量的生物数据中挖掘出与肿瘤发生发展相关的基因、信号通路以及药物靶点。以下是一些应用案例：基于基因表达数据的抗肿瘤药物筛选：通过对肿瘤细胞与正常细胞的基因表达差异进行分析，可以发现肿瘤细胞特有的基因表达特征，为药物筛选提供潜在的靶点。蛋白质相互作用网络分析：通过构建肿瘤相关蛋白质相互作用网络，可以发现肿瘤细胞中的关键蛋白和信号通路，为抗肿瘤药物的设计提供理论依据。个性化药物筛选：针对不同患者的基因突变和药物敏感性差异，运用生物信息学方法进行个性化药物筛选，提高治疗效果。5.2抗病毒药物筛选与设计抗病毒药物筛选与设计是生物信息学应用的另一个重要领域。以下是一些应用案例：病毒蛋白结构与功能预测：通过生物信息学方法预测病毒蛋白的结构和功能，为药物设计提供潜在的靶点。虚拟筛选技术：利用计算机模拟和生物信息学方法，对大量化合物进行筛选，发现具有抗病毒活性的化合物。病毒耐药性分析：通过分析病毒基因序列变异，预测病毒耐药性，为抗病毒药物的研发提供指导。5.3个性化药物筛选与设计个性化药物筛选与设计是生物信息学在药物研发领域的重要应用之一，以下是相关案例：基因突变分析：通过对患者基因突变进行分析，发现与疾病相关的基因变异，为个性化药物筛选提供依据。药物靶点预测：利用生物信息学方法，预测患者可能对特定药物靶点敏感，为个性化药物设计提供参考。药物再定位：通过生物信息学分析，发现已知药物在新的疾病领域的潜在应用价值，为个性化药物筛选提供新思路。总之，生物信息学在药物筛选与设计中的应用案例表明，这一技术为药物研发提供了强大的理论支持和实际应用价值。随着生物信息学技术的不断发展，其在药物筛选与设计领域的应用将更加广泛和深入。6.挑战与展望6.1生物信息学在药物筛选与设计中面临的挑战尽管生物信息学在药物筛选与设计领域已经取得了显著的进展，但在实际应用中仍然面临诸多挑战。首先，生物信息数据的海量性和复杂性导致数据处理和分析的难度加大。如何从海量数据中提取有用信息，并确保数据的准确性和可靠性，是当前生物信息学面临的关键问题。其次，药物筛选与设计过程中的靶点选择和验证问题。目前，许多药物筛选研究仍然基于已知的靶点，而对于未知或新型靶点的筛选与验证仍然具有很大挑战。此外，生物信息学方法在药物设计中的应用仍需进一步提高预测精度和可靠性。虽然计算机辅助药物设计技术取得了很大进展，但预测结果与实际生物活性之间的差距仍然较大。最后，生物信息学在药物筛选与设计中的伦理和法规问题也日益凸显。如何确保研究过程中的数据安全和隐私保护，以及遵循相关法规政策，是需要关注的问题。6.2未来发展趋势与展望面对挑战，生物信息学在药物筛选与设计领域的未来发展仍具有广阔的前景。首先，随着大数据技术和人工智能技术的不断发展，生物信息学在数据处理和分析方面的能力将得到进一步提升。这将为药物筛选与设计提供更为精确和高效的手段。其次，新型生物技术（如单细胞测序、CRISPR-Cas9等）的发展将为药物筛选与设计提供更多新的靶点和思路。此外，多学科交叉研究将成为未来药物筛选与设计领域的重要发展方向。结合化学、生物学、计算机科学等多个学科的优势，将有助于提高药物筛选与设计的成功率。最后，随着我国生物信息学研究的不断深入，有望在药物筛选与设计领域实现更多原创性突破，为我国新药研发贡献力量。总之，生物信息学在药物筛选与设计领域具有巨大的发展潜力和广阔的应用前景，将为人类健康事业作出更大贡献。7结论7.1研究总结基于生物信息学的药物筛选与设计是一个跨学科的研究领域，其核心在于运用生物信息学的方法和技术加速药物发现与开发流程。通过对生物信息学基础的深入理解，结合高通量筛选技术、虚拟筛选技术以及靶向药物筛选等方法，本研究探讨了如何高效地识别和优化药物候选分子。同时，基于结构的药物设计、基于配体的药物设计以及计算机辅助药物设计等先进技术，为药物分子与生物靶标之间相互作用的深入研究提供了可能。在本研究中，我们详细介绍了生物信息学在抗肿瘤、抗病毒药物筛选以及个性化药物设计中的应用案例。这些案例不仅展示了生物信息学在提高药物筛选成功率方面的潜力，也为未来药物开发提供了新的研究思路和方法。研究总结如下：生物信息学技术极大地加速了药物筛选过程，提高了筛选效率。结合计算机辅助设计，可以更准确地预测药物分子与靶标之间的相互作用。生物信息学方法为个性化药物设计提供了有力支持，有助于满足个体化医疗的需求。尽管存在挑战，如数据解析复杂性、生物信息学工具的标准化等，但该领域的快速发展仍为药物筛选与设计带来了革命性的变化。7.2对药物筛选与设计领域的贡献本研究的贡献主要体现在以下几个方面：方法学创新：整合了生物信息学、化学信息学以及计算生物学等多学科技术，为药物筛选与设计提供了新的研究方法。技术进步：推动了虚拟筛选技术、计算机辅助设计等技术的应用，提高了药物筛选的准确性和效率。药物开发效率提升：通过生物信息学方法的应用，缩短了药物从筛选到临床应用的时间，降低了开发成本。个性化医疗推进：为特定患者群体提供了更加精确的药物筛选方案，促进了个性化医疗的发展。综上所述，基于生物信息学的药物筛选与设计不仅对药物开发具有重要意义，而且对于整个生物医药领域的发展都具有深远的促进作用。随着技术的不断进步和研究的深入，生物信息学在药物筛选与设计中的应用将会更加广泛，为人类健康事业作出更大的贡献。基于生物信息学的药物筛选与设计1引言1.1主题背景及意义生物信息学是一门新兴的交叉学科，结合了生物学、计算机科学、数学、统计学等多个领域，旨在通过开发和应用计算技术，对生物学信息进行采集、存储、分析、整合和模拟。在药物研究和开发中，生物信息学发挥着越来越重要的作用。基于生物信息学的药物筛选与设计，可以通过高效挖掘和利用生物大数据，加速新药的研发进程，降低药物研发成本，提高药物研发的成功率。近年来，随着生物技术的飞速发展，生物信息数据呈爆炸性增长，为药物筛选与设计提供了丰富的资源。同时，计算机性能的提升和算法的优化，使得生物信息学在药物研究中的应用日益广泛。在此背景下，深入研究基于生物信息学的药物筛选与设计方法，对于我国新药研发具有重要的理论和实际意义。1.2研究目的与方法本研究旨在探讨生物信息学在药物筛选与设计中的应用，以期提高药物研发的效率。研究方法主要包括以下几个方面：分析生物信息学的基本概念和技术，为药物筛选与设计提供理论基础；探讨高通量筛选、虚拟筛选、组合化学筛选等药物筛选方法，以及基于结构、配体、生物信息学的药物设计方法；通过案例分析，总结生物信息学在药物筛选与设计中的应用经验；分析未来发展趋势和挑战，为我国药物研发提供参考。以上研究方法将结合实际案例，采用文献调研、数据分析和模型构建等手段，全面探讨基于生物信息学的药物筛选与设计方法。2.生物信息学基本概念与技术2.1生物信息学定义与任务生物信息学是一门综合性的学科，它结合了生物学、计算机科学、信息学、数学和统计学等领域的知识，以解决生物学问题。其主要任务是对生物学中的大量数据进行收集、存储、整合、分析和解释。在药物筛选与设计领域，生物信息学通过对基因组学、蛋白质组学、代谢组学等数据的分析，挖掘出潜在的药物靶点，为药物的研发提供科学依据。生物信息学的核心内容包括基因组学分析、蛋白质结构预测、分子对接、生物通路分析等。随着生物技术的发展，生物信息学在药物筛选与设计中的作用越来越重要，已成为新药研发中不可或缺的一部分。2.2生物信息学技术在药物筛选与设计中的应用生物信息学技术在药物筛选与设计中的应用广泛，主要包括以下几个方面：药物靶点的发现与验证：通过生物信息学方法，可以从大量的基因组学和蛋白质组学数据中预测出与疾病相关的基因和蛋白质，从而为药物筛选提供潜在的靶点。药物分子的筛选：生物信息学技术可以对已知的化合物库进行虚拟筛选，预测出具有潜在活性的化合物。这一过程可以大大减少实验筛选的工作量，提高药物筛选的效率。药物分子的优化：通过生物信息学方法对药物分子与靶蛋白的结合模式进行分析，可以为药物分子的结构优化提供指导，从而提高药物的活性和选择性。生物通路分析：生物信息学技术可用于研究药物靶点所在的生物通路，揭示药物作用的分子机制，为药物筛选和设计提供更深入的生物学见解。成药性预测与毒性评估：生物信息学方法可以预测药物分子的成药性和潜在毒性，为药物的安全性和有效性评估提供参考。综上所述，生物信息学技术在药物筛选与设计中发挥着关键作用，有助于提高药物研发的效率和成功率。随着生物信息学技术的不断发展，未来在药物筛选与设计中的应用将更加广泛和深入。3药物筛选方法与技术3.1高通量筛选技术高通量筛选（High-ThroughputScreening,HTS）技术是药物筛选与设计中的一种常用方法。它基于微板技术，以机器人自动化操作、高效率和高信息量为特点，可快速筛选出具有潜在活性的化合物。HTS技术主要应用于早期药物发现阶段，涉及疾病相关靶点的确认、先导化合物的筛选等方面。高通量筛选技术包括以下几个关键环节：靶标的选择与表达：选择与疾病相关的蛋白质、酶、受体等作为靶标，并通过基因工程技术在大肠杆菌、酵母等表达系统中大量表达。筛选模型的建立：将靶标固定在微板孔中，形成稳定的生物分子识别层，用于与化合物发生相互作用。化合物库的构建：收集并整理具有多样性的小分子化合物库，为筛选提供物质基础。筛选过程：将化合物库中的化合物依次与靶标进行结合实验，通过检测结合后的信号变化，筛选出具有潜在活性的化合物。数据分析：采用生物信息学方法对筛选结果进行统计分析，挖掘出具有生物活性的化合物。3.2虚拟筛选技术虚拟筛选（VirtualScreening,VS）技术是利用计算机模拟和生物信息学方法，在化合物库中筛选出具有潜在活性的化合物。虚拟筛选技术主要包括基于结构的虚拟筛选（SBVS）和基于配体的虚拟筛选（LBVS）。基于结构的虚拟筛选：通过蛋白质晶体结构或同源建模方法获得靶标的三维结构，将化合物库中的小分子与靶标结构进行对接，根据对接分数和结合模式筛选出具有潜在活性的化合物。基于配体的虚拟筛选：通过分析已知活性化合物的结构特征，构建化合物相似性搜索模型，对化合物库进行相似性搜索，筛选出具有相似结构的化合物。虚拟筛选技术的优点在于筛选速度快、成本低、无需大量实验操作，可减少实验筛选阶段的工作量。3.3组合化学筛选技术组合化学（CombinatorialChemistry）筛选技术是一种基于化学合成和生物信息学方法的高效筛选方法。该技术通过快速、自动合成大量具有特定结构特征的化合物，构建化合物库，然后利用生物活性筛选方法，从库中筛选出具有潜在活性的化合物。组合化学筛选技术主要包括以下步骤：合成大量具有特定结构特征的化合物库。将化合物库与靶标进行生物活性筛选。对筛选结果进行生物信息学分析，找出具有生物活性的化合物。对活性化合物进行结构优化和合成工艺改进。组合化学筛选技术具有筛选速度快、化合物库多样性丰富、易于发现新型化合物等优点，为药物筛选与设计提供了有力支持。4药物设计方法与技术4.1基于结构的药物设计基于结构的药物设计（Structure-BasedDrugDesign,SBDD）是一种以生物大分子如蛋白质的三维结构为基础，设计新型药物的方法。在这一过程中，科学家们使用X射线晶体学、核磁共振光谱以及冷冻电镜等实验技术获得目标蛋白的三维结构信息。随后，通过计算机辅助设计软件，可以在蛋白的活性位点或关键区域中虚拟地放置小分子配体，进而分析配体与蛋白之间的相互作用，以预测其结合亲和力和选择性。SBDD方法中，分子对接和分子动力学模拟是两个核心的技术手段。分子对接通过算法计算配体与蛋白的结合模式，筛选出可能的结合构象；而分子动力学模拟则可以对结合过程中的动态变化进行模拟，评估结合的稳定性和动态性。4.2基于配体的药物设计基于配体的药物设计（Ligand-BasedDrugDesign,LBDD）则是从已知活性化合物出发，通过分析其结构特征与生物活性之间的关系，设计新药的方法。这种方法包括量化构效关系（QSAR）研究和药效团模型构建等。QSAR研究通过统计学方法，关联化合物的生物活性与其结构描述符，建立预测模型，从而指导新化合物的设计。药效团模型则是基于已知的活性配体，归纳出共有的结构特征，用于筛选数据库中的化合物，发现新的先导化合物。4.3基于生物信息学的药物设计方法基于生物信息学的药物设计方法融合了生物信息学、计算机科学和药物化学等多个学科的技术。这类方法通常包括以下几种：蛋白质组学数据挖掘：利用蛋白质组学数据，识别疾病相关的蛋白靶点，为药物设计提供新的候选目标。网络药理学：通过构建生物分子相互作用网络，分析网络中的关键节点，预测药物的作用机制和可能产生的副作用。人工智能与机器学习：使用深度学习等人工智能技术，从海量的生物和化学数据中学习，以预测分子的生物活性，辅助药物设计。这些方法不仅提高了药物设计的效率和成功率，而且有助于减少药物开发中的成本和时间消耗，为药物筛选与设计带来了革命性的变革。5.生物信息学在药物筛选与设计中的应用实例5.1疾病相关靶点的发现与验证生物信息学在药物筛选与设计中的首要应用是疾病相关靶点的发现与验证。通过整合多源数据，如基因组学、蛋白质组学、代谢组学等，研究人员可以运用生物信息学方法挖掘出与特定疾病相关的基因和蛋白质。例如，利用高通量测序技术结合生物信息学分析，科研人员在癌症研究中发现了许多新的驱动基因，如EGFR、ALK等，这些基因的突变与肿瘤的发生和发展密切相关。在验证阶段，生物信息学工具可用来分析临床样本数据，评估候选靶点的表达水平与疾病状态的相关性。此外，通过构建生物通路和网络分析，可以进一步揭示这些靶点在细胞信号传导中的功能和作用机制，为后续的药物筛选提供理论基础。5.2先导化合物的筛选与优化基于生物信息学技术的进步，先导化合物的筛选与优化已经变得更加高效和精准。通过数据库挖掘和虚拟筛选技术，研究人员可以从庞大的化合物库中快速识别出潜在的活性分子。这些方法不仅节省了时间和成本，而且减少了实验筛选所需的化合物数量。一旦识别出先导化合物，生物信息学方法还可用于分子的优化。利用计算机辅助设计（CAD）软件，可以模拟化合物与靶标蛋白的相互作用，进而指导结构改造，增强活性和选择性，降低毒性。例如，通过对接实验和分子动力学模拟，可以预测化合物与靶标结合的亲和力和结合模式，为优化提供依据。5.3成药性评价与毒性预测生物信息学在成药性评价和毒性预测方面发挥着重要作用。通过分析已知药物分子的特性，生物信息学模型能够预测新分子成药的可能性。此外，结合毒理学数据和计算模型，可以在早期药物开发阶段预测潜在的毒性问题。例如，利用机器学习算法，可以从历史药物数据中学习毒性模式，预测新分子可能的副作用和毒性风险。这样的预测能够指导药物化学家进行结构修改，以降低潜在的毒性，提高药物的安全性。这些应用实例表明，生物信息学不仅加速了药物筛选与设计的进程，还提高了药物研发的成功率和安全性，为现代药物研发提供了强有力的技术支撑。6.未来发展趋势与挑战6.1生物信息学技术的发展趋势随着生物信息学技术的快速发展，其在药物筛选与设计领域的应用日益广泛。以下是一些生物信息学技术未来发展趋势：大数据分析与应用：生物信息学数据呈现出爆炸式增长，如何高效处理和分析这些大数据成为研究的热点。未来，人工智能和机器学习技术将在药物筛选与设计中发挥更大作用，提高筛选准确性和效率。多组学整合：基因组学、蛋白质组学、代谢组学等多种组学技术的整合，为药物筛选与设计提供了更全面、系统的生物信息。多组学整合有助于深入理解疾病机制，从而指导药物设计与筛选。个性化治疗：基于生物信息学技术的个性化治疗是未来发展趋势。通过对个体基因、表达谱等信息进行分析，实现针对个体特点的药物筛选与设计。药物重定位：利用生物信息学技术，对已上市药物