靶标的识别，起始于对疾病机制的理解和分析。根据发生机制的不同，我们把疾病分为因人体自身正常生理功能失调导致的内源性和由于外部病原体进入人体内所引起的外源性疾病。针对内源性疾病，我们采用组学方法，比较正常和患病人体的基因组和蛋白质组差异，以关键性蛋白质作为靶标，恢复失调的蛋白质分子、相关组织和器官的功能。针对外源性疾病，我们采用多组学方法，识别病原体独有的或者与人体有较大差异性的蛋白质，并以此为靶标，消灭或者抑制活性病原体的繁殖生长，减少它们对人体的影响。

靶标识别完成之后，可以通过基因敲除（Gene Knockout）/敲低（Knockdown）、定点突变（Point Mutation）等实验手段予以确证，最后将它应用于药物设计。伴随着计算机技术和人工智能方法的发展，药物设计者发展出了多种协助预测潜在靶标的计算方法，常见的有基于结构、配体、网络这三类预测方式。

基于结构的靶标预测是依赖于靶标的三维结构，通过实验测定和同源模建预测蛋白质结构的一种方法，包括结合位点表征、靶标筛选或比较、靶标排序三个步骤。代表性方法是反向分子对接（Reverse Molecular Docking）和反向药效团匹配（Reverse Pharmacophore Mapping）。

基于结构的靶标预测代表性方法：

①.反向分子对接（Reverse Molecular Docking）

反向对接是用算法去考察一个指定结构的小分子化合物能否与一个或多个靶标蛋白质形成互补作用，并根据结合情况使用打分函数进行打分排序，从而为该小分子化合物预测出潜在的作用靶标。

反向对接的基本思路是构建一个蛋白质靶标结构库，表征好靶标结合位点；接着将给定的小分子逐个对接到各个靶标的结合口袋，使其形成最佳相互作用模式；最后对每个小分子-蛋白质相互作用模式进行打分，按照打分结果进行排序，从而确定潜在的靶标。

反向对接常见的问题：

A、 打分函数的精度仍需要提高，打分值在不同靶标体系上如何归一化；

B、 对计算资源要求较高，很难考虑靶标的柔性问题，也难以及时反馈预测结果；

C、 大量靶标蛋白质的三维结构未被实验解析出来，而同源模建蛋白质又难以准确反映真实靶标的三维结构，造成其预测谱相对受限。

②.反向药效团匹配（Reverse Pharmacophore Mapping）

反向药效团匹配是一种将给定的小分子与多个药效团模型进行匹配，然后根据匹配的程度确定其潜在靶标的预测方法。

反向药效团的匹配遵循以下的基本思路：基于三维结构的靶标确定结合口袋，构建高质量药效团数据库；基于配体产生药效团模型；根据匹配程度进行打分排序。

反向药效团匹配方法依赖于靶标的三维结构，因此，对于无法获得已知配体和三维结构的靶标预测，它是没有办法解决的。

2.基于配体的靶标预测

基于配体的靶标预测，是指将需要预测靶标的化合物与具有已知靶标的化合物的结构特征进行比较分析，从而根据相似性原理预测潜在靶标。主要的方法有相似性搜索和机器学习。

常见的基于配体的靶标预测方法

① 、相似性搜索

相似性搜索方法依据化学结构或物理化学性质相似的小分子化合物可作用于性质相同或相近的靶标这一理论假设，通过比较目标分子与具有已知靶标的活性分子的化学结构或物理化学性质，去预测目标分子的潜在作用靶标。这一类方法主要分为二维结构相似性搜索、三维形状相似性搜索和表型相似性搜索等。

近些年来，由于生物信息数据库的增容以及计算技术的进步，基于配体结构的靶标预测得到了迅速的发展。

② 、机器学习

机器学习方法是一套针对机器的训练过程。它集合了分类收集数据、匹配合适的机器学习算法、构建模型以及测试验证模型的可靠性等步骤。目前，机器学习方法多应用于含标准化注释信息的化学基因组数据库中。常见的预测方法有MT-QSAR（Multitarget Quantitative Structure Activity Rlationship），Nidhi的多类别朴素贝叶斯算法预测模型，Niwa的概率神经网络预测模型，Wale的ECFP_4分子指纹描述符预测方法，以及Koutsoukas用两类概率算法构建的预测模型。

3.基于网络的靶标预测

基于网络的靶标预测是一种无需知道靶标三维结构，只需要已知化合物与靶标的相互作用信息，就可以进行预测连接关系的方法。常见的有基于网络推理、随机游走、基因表达方法。基于网络推理方法是指利用实验数据和计算方法推断药物-靶标二分网格的拓扑和因果关系结构，预测和实验确证疾病的蛋白质或基因网络，发现药物的新靶标或预测全新的药物-靶标相互作用关系。基于网络推理方法大致可以分为基于图论的网络扩散或概率传播算法以及基于网络拓扑结构描述符的分类器算法。随机游走方法是一类基于基因-疾病关联、随机游走的药物-靶标相互作用的预测方法。这类方法通过整合药物-靶标相互作用网络、药物化学结构相似性、靶标序列相似性三类信息，构建异质网络，并使用带有重启机制的随机游走方法进行建模，预测潜在的药物-靶标相互作用。