命中生成和选择
药物发现的目标是确定治疗用的新制剂，这些制剂具有预期的生理效应，并且对人类安全食用。
早期药物发现的重点是识别“命中”，即能够作用于特定靶点以产生所需调节的化合物。对于命中率的产生和选择，研究人员筛选了许多不同的化合物，以找到潜在的候选化合物，然后对其进行表征和测试。
首先，研究人员必须选择要检测的化合物。
最广泛的方法是简单地使用高通量筛选技术来扫描包含数千甚至数百万分子的整个化合物库。另外，为了节省时间和资源，药物开发人员可以选择扫描更小的、更集中的化合物子集。
这些子集可以包括以下化合物:
- 已经有数据表明它们可以调节目标
- 在结构上类似于调节目标的现有制剂
- 可以人工设计和合成，从理论上调节目标
化合物管理包括存储、组织、跟踪和数据库这些候选化合物，以便于参考和使用。有效的化合物管理实践不仅减轻了后勤负担，还帮助研究人员仅选择最相关的化合物进行筛选。
其次，研究人员必须决定如何确定是否存在复合靶相互作用。这需要分析选择（或分析开发，如有必要），并选择指示“命中”的参数。正确的分析开发是避免假阳性和假阴性的关键。通过解析生成的数据并识别对下游分析有较大影响的点击，这对于屏幕后点击选择也是至关重要的。
撞击产生实验可以分为一次和二次筛选。在初步筛选中，研究人员寻找化合物和靶标之间相互作用的证据。这可以是一个可测量的配体-受体或抗体-抗原相互作用的形式，或通过量化抑制或激活已知的下游效应。初级筛选分析技术，如ELISA、流式细胞术和aequorin检测，通常处理极高的吞吐量和简单的解释。
在二次筛选中，研究人员选择在初次筛选中确定的线索进行进一步检查。二次筛选的目标是确认命中的准确性，重点是敏感性和可靠性而不是吞吐量。因此，二次筛选通常使用比一次筛选更复杂的模型，如细胞和组织，目的是确定作用位点和剂量反应曲线等参数。
鉴于目前研究人员可获得的化合物数量之多，以及使用现代高通量技术可以快速生成的大量数据，命中生成和选择从自动化中受益匪浅。
成功生成和选择工作流的任何或所有元素的自动化不仅有助于减少后勤负担，而且还有助于提高数据的准确性和再现性，以及防止错误或混乱导致的错误。
总结
- 早期药物发现侧重于通过筛选过程识别和确认“命中率”。
- 使用高通量和高灵敏度分析技术筛选了许多化合物。
- 化合物管理和分析开发实践是成功的关键。
- 初步筛选的目的是建立目标化合物的相互作用;二次筛选的目的是确认命中的准确性。
- 自动化部分或全部命中率生成和选择工作流提供了相当大的科学和后勤效益。
