药物研发过程主要包括药物靶点确定、先导化合物的发现与优化、候选药物确定、临床前研究和临床研究。整个药物研发进程，就是在验证某个靶点在人体中的生物学功能的过程。而药物靶点的缺乏、动物模型临床转化差、疾病异质性及生物系统内在的复杂性等问题，使得药物研发成为一个漫长而又艰难的过程。开发一种新型处方药，平均税前支出约为25.58亿美元，大约需要10~15年。尽管投入成本高，但在药物研发过程中创新小分子的临床批准成功率却只有13%，失败的风险相对较高。早期药物发现主要基于经验尝试，化合物筛选以及偶然发现获得。在现代药物研发中，机器学习在定量结构-活性关系（quantitative structure activity relationship, QSAR）模型、定量结构-性质关系（quantitative structure property relationship, QSPR）模型等方面发挥重要作用。不同于传统的机器学习方法使用手动设计的特征，最新的深度学习（deep learning, DL）方法可以自动从输入数据中学习特征，通过多层特征提取将低层特征转换为高层特征。由于其强大的泛化和特征提取能力，将其应用在药物开发的不同环节，包括蛋白质结构与功能预测、药物代谢动力学性质预测、药物有效性及安全性预测以及药物相互作用预测等，显示出巨大的前景。本综述回顾了近几年来DL在药物研发中的应用，并对当前问题提出建议以及展望。

    文献全文详见附件：深度学习在药物研发中的研究进展（药学进展，2020年第5期），通讯作者：尚靖（中国药科大学中药学院）。