药物研发信息系统主要包括临床前研究和临床研究两个阶段。

　　药物临床前研究阶段主要以实验室信息管理系统（LIMS）为核心，与实验室仪器设备和控制系统对接，整合其他开放信息系统、第三方信息系统，以及制药企业内部的相关系统。其中，外部的信息系统主要包括公开发表的实验方法、数据和结果，人类基因组信息、蛋白质组信息，以及临床医学、药学、生产工艺、质量控制等公开的科研信息。通过数据整合应用，为研发人员探索新的思路、形成新的科学假设、设计新的实验方案、分析解决新的问题提供系统支持。

　　实验室信息管理系统（LIMS）是药品临床前研究阶段的核心系统，其他系统在临床前研究的不同环节为药物研发提供系统支持。如，靶点发现与确认环节的序列分析对比软件；靶向药物分子筛选环节的分子模拟系统、分子对接模型软件、成药性理化模型软件、毒理预测模型软件、引物设计分析软件、质粒绘制软件、生物工程相关软件等；药理药效毒理研究和生产工艺研究环节的动物实验管理系统、PK数据分析软件、代谢物分析软件、药代药动学图形分析软件、药代动力学建模和模型分析软件等。

实验室信息管理系统（LIMS）

　　实验室研发是药物研发的关键环节，提升实验室管理水平是助力药物研发的重要一环。自1994年我国开始执行药物非临床研究质量管理规范（GLP）以来，实验室信息管理系统（LIMS）在药品研发领域已经有了广泛应用。主要包含以下功能：

　　物料管理系统对研发实验室物料的出入库进行管理，包括采购、发料、领用及物料信息管理，并对物料型号、数量、库存位置、存储时间以及价值进行统计和查询，从而实现对库存物料的定期盘存、库存预警和效期提醒。

　　样品管理系统对药物研发中涉及的化合物、细胞、动物等样品的库存进行管理。部分样品管理软件支持与各种自动化仪器集成，对样本的整个生命周期进行审计跟踪。

　　色谱数据处理系统统一控制实验室中的各类色谱和质谱仪器，从而简化操作。系统附带的工具能够缩短实验结果分析和实验报告生成的时间。色谱数据处理系统能够支持合规性和安全性要求，并提高信息管理、存储和数据挖掘能力。

　　科研数据管理系统（SDMS）集中管理各类药物研发实验数据，采集来自于分析仪器、分析人员的数据，自动导入数据仓库，并将数据根据项目或其他要求进行分类，便于查找和审阅。该系统可管理药物研发产生的原始实验数据，以及分析数据过程中生成的各种文档，在确保数据安全的前提下，实现统一的数据管理。科研团队成员可以很容易地搜索、交流和共享这些信息。主要可包括原始数据或数据库的实时采集、监控与保存，数据和文件归档管理，以及数据生命周期管理。

　　电子实验记录系统（ELN）管理药物研发的实验构想、方案设计和结果进行整理，是实验室成员之间共享与整合信息的枢纽。电子实验记录系统可采用与原始手工记录相近的格式，将检验过程拆分成多个步骤，分步骤引导检验人员进行操作。也可以将实验室电子记录本直接与检测仪器连接，并可在系统中设置计算公式和统计方法。系统从仪器获得数据以后，对结果进行自动计算和统计，生成相应的统计图表。

　　文件管理系统（DMS）支持药物研发文档的集中存储、备份、水印、日志、安全策略等功能，提供不同层级的权限体系，深度定义每一位用户的使用权限。保证在合规的前提下，实现在药物研发生命周期的不同阶段对文件高效管理。

靶点发现与确认

　　药物研发通常有两种方式，基于表型的药物筛选和基于靶点的药物筛选。在人类基因组计划完成后，药物研发方式极大地转向了基于靶点的药物筛选。药物靶点的发现通常来自于多重组学系统数据库，比如RNA转录组学、蛋白质组学、代谢组学数据库等，或来自于与药物靶点相关的疾病生物学、信号传导通路和网络、药物靶点敲除动物模型等数据库。通过对基因组学、蛋白质组学等数据资源进行采集、存储、分析、处理，借助多重序列比对软件等各类生物信息学相关软件将靶点序列与数据库中的同源序列进行比对，实现对靶点的分类。建立人工智能模型区分成药性和非成药性蛋白，预测新型药物靶点。

靶向药物分子筛选

　　在靶向药物分子的筛选中，化学药物与生物药物存在较大差别。第一，化学药物的研发通常需要对化合物库进行筛选获得。通过DNA编码、计算机虚拟等信息化技术的应用，有效扩大了化合物库数量级，提高了筛选成功率。通过借助分子模拟、分子对接模型、成药性理化模型、毒理预测模型等多种专业系统工具，为先导化合物的发现与优化提供系统支持，显著提高合成效率，优化分子活性，改进化合物在生物体内的吸收、分布、代谢、排出特性，降低化合物结构相关毒性。比如，分子模拟系统是从分子结构的层面出发，运用机器学习技术计算化学物质的相关性质。再与实验结果结合，通过多次迭代计算，对化学物质进行全面评估和优化，从而加速药物发现，从若干先导化合物中优选出临床前候选化合物。

　　第二，生物药物的设计、合成、筛选和优化需要通过DNA重组技术、蛋白工程技术、生物大分子计算模拟等技术实现。通过生物药人工智能筛选优化平台，可以提高生物药物的研发效率。随着分析技术不断进步、分析工具迭代升级，药物开发从最初的随机筛选发展到现在依托较成熟的高通量筛选，以及虚拟药物筛选。大数据与自动化分析技术的融合发展有效促进了人工智能（AI）技术在药物发现中的应用，主要包括生物大分子药物靶点的发现与辅助预测、生物大分子的表达合成和逆合成，以及生物靶向药筛选和优化等。

细胞和动物模型

　　建立合适的细胞模型是药物筛选和评价的重要环节。细胞模型的选择及构建通常需要细胞生物学信息、相关疾病类型信息及细胞学沿革及创新技术的辅助。应用疾病动物模型是现代医学认识生命科学领域客观规律的手段，广泛应用于肿瘤、免疫与炎症、内分泌及代谢、消化系统、神经系统等疾病的研究中。构建合理疾病动物模型，往往需要对动物模型的遗传背景、药物靶点和作用机制有深入的理解，对公开文献和资料进行深入整理分析，而信息化技术能为此提供极大支持。

　　细胞和动物模型管理系统可以通过LIMS中的样本及数据管理模块实现。细胞模型管理系统通常至少包括细胞名称、属种、疾病类型、细胞培养条件及相关实验数据、微生物污染检测鉴定数据等具体信息。动物模型管理系统通常至少包括动物属种、遗传背景、饲养及繁殖信息、疾病类型、造模条件及相关实验数据等具体信息。

　　动物实验管理系统主要包括环境参数管理系统、设施设备管理系统、实验动物管理系统、实验数据管理系统等模块。动物房内部各种设备的管理和环境参数的控制对动物的生长和品质至关重要，将直接或间接影响实验数据的准确性。国内及国际相关标准对动物房各项环境参数做出了明确规定，仅凭人力管理来长期维持动物房的标准运行状态极具挑战。应用动物实验管理系统能够对实验动物的订购、饲养、健康福利等进行智能化管理，保障实验动物质量的稳定性。同时，对动物实验中的动物体重、病灶、给药、样品采集及安乐死等实验数据及实验进程进行电子化管理，既保障了实验数据的准确性和规范性，又确保了药物研发中的数据完整性和可追溯性。

非临床药代动力学及毒性研究

　　非临床药代动力学及毒性（ADME/T）包含药物的吸收（Absorption）、分布（Distribution）、代谢（Metabolism）、排泄（Excretion）及毒性（Toxicity）五种属性参数。ADME/T研究贯穿药物从发现到上市的全过程，程序复杂、数据量大、持续时间长，且需要遵循GLP和监管部门颁布的一系列指导原则，整个过程对数据的真实性、完整性和可追溯性具有较高的要求。运用信息化和智能化管理系统可降低人为差错、提高工作效率、保证数据的完整性和合规性。

　　在ADME/T研究中，借助PK数据分析软件、代谢物分析软件、药代药动学图形分析软件、药代动力学建模和模型分析软件等专业工具软件，可在化合物筛选早期预测化合物ADME特性并进行虚拟筛选，运用软件工具仿真和模拟动物以及人体ADME特性，大大加速了新药开发速度、降低了开发成本，为药物临床试验开发提供参考依据和支持。（摘编自《中国制药工业智能制造白皮书（2020年版）》，工信部产业发展促进中心、中国医药企业管理协会联合编制）

本文仅代表作者观点，不代表本站立场。

(责任编辑：李硕)