在早期研究阶段，人们往往通过随机药物发现或从传统疗法中提取关键活性成分来从事药物发现研究活动。后来科学家开始利用正向药理学（forward pharmacology）研究策略，开展基于表型的药物筛选，在细胞及模式生物上直接开展药物筛选研究。随着人类基因组计划的完成，可以迅速通过分子克隆等手段，纯化到大量重组表达的疾病相关靶标蛋白，利用反向药理学策略（reverse pharmacology）可迅速在蛋白水平开展药物发现及作用机制的研究工作，通过计算机辅助药物设计技术及规范化和系统化的实验从大量的化合物中筛选出对靶点有潜在活性的化合物。

现代药物发现流程通常包括苗头化合物的筛选及生物化学确证，药物化学改造优化（提高活性、选择性），药效学评价及药代动力学评价等部分（见图），还需后续的临床研究加以推进。尽管与过去相比科学技术已经获得了飞速发展，人们对生物系统的认识也越来越深入，但药物研发仍然是非常漫长、艰难和低效的。新药研发开支平均需要花费十几亿美元，耗时十几年，只有极少数可以成为最后批准的药品。在早期的药物发现过程中，主要依赖高通量筛选及计算机辅助虚拟筛选两种研究策略来寻找潜在的苗头化合物。

现代药物发现流程

随着生物技术的不断发展，人们开始利用高通量筛选技术针对某个选定的疾病相关靶标开展药物发现研究，并用于相关疾病的治疗。现代高通量筛选技术可在短时间内完成化合物库的筛选。高通量筛选方法尽管通量较高，但仍然具有较高的假阳性，因此需要通过交叉验证实验（cross-screening）来测试化合物选择性进而排除那些泛筛选干扰化合物（pan-assay interference compounds）。许多科研单位、高校等学术机构及大型制药企业都建立自己的化合物库及自动化筛选平台，已经广泛应用于新靶点的药物筛选。

由于高通量筛选通常需要设备投入、建立化合物库及开发筛选平台等，通常需要较高的投入，随着计算机技术的发展和计算机资源的不断丰富，计算机辅助虚拟筛选可极大提高药物发现效率，大大降低药物发现成本。许多相关企业和科研机构也开始建立并发展自己的计算机辅助药物设计部门。越来越多蛋白质晶体结构已经获得了解析。与此同时，同源模建技术也获得了广泛的应用，科学家可以针对蛋白质三维结构、口袋特征等开展基于受体的药物筛选，寻找与靶标蛋白契合较好的小分子。计算机辅助虚拟筛选的另一个策略是开展基于配体的药物发现。在现有抑制剂活性数据和结构已知的情况下，可利用三维定量构效关系，基于配体的药效团模型及骨架跃迁等技术开展药物发现相关研究。