倒退30年讓我們回到基于結構設計的黃金時代。隨著蛋白質晶體學的發展，越來越多的蛋白質藥物靶點在此后不久被發現。與此同時，對接算法和打分功能的出現，衍生出了很多軟件包，如LUDI、Sprout、GROW。藥物研究界對可能出現的新機會充滿熱情，希望能在理論水平上對藥物進行理性設計。遺憾的是，不僅結合模式預測和蛋白-配體親和力計算難以可靠地解決實際問題，而且主要問題還在于軟件建議的化合物通常難以合成或無法合成。結果，實驗性高通量篩選變得流行，以求避免對結合親和力和合成可及性的計算預測。
就像科學史上經常發生的那樣，一些技術改變了游戲規則，使鐘擺又擺了回來?；谄蔚乃幬锇l現與實驗技術的發展使測量小、弱活性化合物的親和力成為可能。隨著機器學習在過去十年的興起，有機化學合成的預測有了很大進展，大大提高了合成的可能性，與此同時，大型制藥公司開始將他們的合成計劃數字化，使之進入了廣闊的化學空間。十多年來，輝瑞和勃林格殷格翰提出的化學空間比最大的物理篩選庫大幾個數量級?；瘜W品供應商，如烯胺或無錫開發了前所未有的規模和可靠性的按需制造的化合物目錄組。
隨著化學數據資源的激增(已經能夠容納數十億分子的信息)，美國國立衛生研究院于2020年12月1日舉辦了一個關于超大型化學數據庫的虛擬研討會，討論了超大型化學數據庫創建、管理、集成和查詢的機遇、挑戰和有前途的新方法等系列問題。有超過500個注冊的醫療中心參與，人們對這次研討會的興趣超出了預期。
像這個研討會這樣的事件表明，尋找藥物發現的計算方法比以往任何時候都更重要。當今可訪問的化學空間的絕對規模使得我們除了通過計算發現新藥沒有其他選擇。此外，即使硬件容量不斷增長，在數據庫容量超過1012的情況下，查看每個分子也沒有意義。相反，它需要利用合成化學的組合策略，對于有機合成藥物進行精確全面的描述和預測，對此我們尚在努力中。通過這期關于反應信息學和化學空間的特刊，我們希望突出近年來的成就，展示當前的研究，并激勵學術界和工業界的科學家探索化學空間導航的機會。我們期待您的貢獻，直到2021年9月1日。
參考文獻
Matthias Rarey, Marc C. Nicklaus, and Wendy Warr, Call for Papers for the Special Issue: From Reaction Informatics to Chemical Space. J. Chem. Inf. Model. 2021, 61, 4, 1531-1532. DOI: 10.1021/acs.jcim.1c00321.