- 타겟단백질의 활성구조를 기초로 화합물 데이터베이스 내, 유효물질을 찾아내는 가상탐색 (High-throughput virtual screening, HTVS) 방법과 타겟단백질/활성구조에 근거한 독창적인 화합물 도출을 위한 de novo design 방법을 사용한다.
- - Target단백질/활성구조 기반 가상탐색
- - Pharmacophore기반 가상탐색
- - Fragment기반 de novo design
- 타겟단백질의 3차원 구조를 예측하고, 타겟단백질 및 활성구조의 결합정보를 통해 약물 최적화를 수행한다. 또한 타겟단백질에 대한 화합물들의 구조-활성 상관관계 (Quantitative structure-activity relationships, QSAR) 분석을 통해 유용한 정보를 제공한다.
- - Homology modeling
- - Docking
- - 2D/3D-QSAR분석
- 화합물들의 약물성을 예측하기 위한 기술로 물성 (용해도, 이온화도, 친지질도, 막투과도 등), 약동력학 (약물대사, 약물상호작용, 약물흡수동태), 독성을 신약개발 초기단계에서 고려할 수 있다.
- - 물성예측
- - hERG binding/P450대사 예측
- - BBB투과/Plasma protein binding/독성예측
- 신약개발 주요 타겟과 연관된 활성화합물에 대한 데이터베이스는 PubChem, Integrity, DrugBank 및 화합물 판매회사를 통하여 수집 및 구축되고 화학구조 유사도 및 다양성 분석, 통계모델 구축 등 화학정보학 분야를 지원하고 있다.
- - 약물-target단백질-질환 데이터베이스분석
- - 사용자 별 약물정보 web기반 정보시스템 구축