这本书从计算制药的起源、发展和当前的趋势出发对计算技术如何参与并改善药物研发的过程进行了系统而全面的介绍，重点讨论了人工智能在靶点发现、化合物合成、化合物筛选、新适应症发现、晶型预测、三维结构预测等新药研发环节中的应用情况。这本书能够帮助计算机科学家寻找药物开发领域的重要问题，也可以为药学科学家提供了一个完全不同的视角处理药学领域的难题。

1 背景篇
1.1 制药的历史
1.2 计算制药的产生背景
1.3 计算制药的流程
参考文献
2 现状篇
2.1 从靶点到先导化合物
2.1.1 新靶点发现方法
2.1.2 蛋白质概述
2.1.3 基于靶点的药物设计
2.1.4 基于配体的药物设计
2.1.5 药物与靶点的相互作用
2.2 从先导化合物到候选药物
2.2.1 先导化合物的优化
2.2.2 先导化合物的合成
2.3 从候选药物到新药上市
2.3.1 临床前药物研究
2.3.2 临床药物研究
参考文献
3 趋势篇
3.1 AI制药数据库
3.1.1 序列数据库
3.1.2 结构数据库
3.1.3 相互作用数据库
3.2 AI制药算法
3.2.1 Transformer
3.2.2 生成式对抗网络
3.2.3 图神经网络
3.2.4 强化学习
3.2.5 3D卷积神经网络
3.3 AI制药平台工具
3.3.1 AlphaFold2
3.3.2 R0seTTAFold
3.3.3 TorchDrug
3.3.4 国内平台
3.4 AI制药案例
3.4.1 21天完成“AI药物发现”挑战
3.4.2 AI首次发现超级抗生素
3.4.3 AI算法准确预测RNA三维结构
3.4.4 AI助力基因药物的研发
3.4.5 AI助力肽药物的发现
3.5 AI制药的机遇与挑战
参考文献
4 行动篇
4.1 之江行动
4.2 结语与展望