新药研发是一项投入大,风险高的系统工程。传统针对单一靶标高选择性和特异性药物设计思路在新药研制存在成药率低、毒副作用大等问题。随着基因组、蛋白质组、代谢组以及其他生物技术的发展,结合计算机信息等技术研究并发展了一种全新的药物设计方法——网络药理学。该方法可针对多个靶标展开药物设计,在复杂疾病治疗及降低药物毒性方面均表现出特有优势。基于药效团的靶标预测PharmMapper和三维分子相似性方法SHAFTS是本课题组前期研究中发展两个网络药理学计算方法,这两种方法得到了药物研发者的普遍青睐与广泛应用。然而,这两种方法在计算精度与计算效率仍然存在一定的局限和改进空间,因此,本文则以解决这两个方法的局限问题为目的,结合高性能计算技术开展了一系列研究工作。本文第二章以解决基于药效团方法的靶标预测PharmMapper精度仍不尽理想的问题为目的,利用统计聚类方法对原有药效团匹配得分进行完善,提出在原有预测结果之上应用统计聚类方法,以提高靶标预测精度,并通过较大规模的回顾性靶标筛选测试,验证了该方法的有效性。分子相似性是众多结构相关性分析与判断的基础,被广泛应用于网络药理学中靶标和药物间关联网络的构建。本文第三章则以解决三维分子相似性方法SHAFTS计算耗时长、无法在大型分子数据库上开展应用的问题为目的,开展了SHAFTS的高性能计算平台的搭建研究,实现了SHAFTS分布式计算,并依此为基础,成功搭建了药物设计分布式计算平台Drug@home。平台运行期间吸引了数个地区的数百台计算设备的参与,显示出了分布式计算在计算机辅助药物设应用计领域的潜力。