本项目采用最新的统计学习和深度学习算法，结合新一代分子特征化方法，开发了多种基于机器学习算法的计算机模型，可用于药物开发的多个阶段，目前已完成的主要包括：用于靶点识别的蛋白质-蛋白质相互作用预测模型、lncRNA-蛋白质相互作用预测模型；用于先导化合物发现的定量构效关系模型（基于配体的药物设计）、评估化合物与靶点亲和力的高准确了打分函数及基于此的虚拟筛选方案（基于结构的药物设计）；用于临床前毒性评估的化合物细胞毒性、致癌性、致突变性、肝毒性等毒性预测模型。项目的部分成果已经做成web服务器（http://ccsipb.lnu.edu.cn/）。项目未来将继续开发药物毒性预测模型、及药物ADME（吸收、分布、代谢和排泄性质）性质预测模型，为药物的快速设计开发提供一个完整的基于机器学习的解决方案。应用本项目中的技术，可以提高药物设计的成功率、药物筛选的效率，降低候选药物的毒性，最终达到简化药物开发步骤，缩短研发时间，降低药物研发成本的目的。