挖掘数据

不管数据来源何处，像贝叶斯建模之类的统计数据挖掘方法都能够有效的从中提取出药物安全性信息。     

大规模生产

为用哺乳动物细胞系进行药物蛋白生产而特别设计的生物反应器还需要扩大培养体积．改造细胞品系以及其它条件，才能满足生物制药公司的需求。     

计算机中的药物开发

衡量药物开发的预测模型优劣的一个标志是处理无数种“如果”的能力。通常情况下要分析的是真实的数据。但是最近，原原始数据十分匮乏，但这也激发了创新的出现。     

减肥药物的开发

根据最近在美国进行的流行病调查，17％的2-19岁的孩子和32％的20岁以上的成年人患有肥胖症。在以后几十年内，除非采取有力措施减缓肥胖率的增长速度，不然美国人的平均寿命可能差不多将缩短5年。随着体重指数的增加，将引发心血管疾病、糖尿病、肌肉骨骼疾患和癌症等许多严重的健康问题。因此，开发出安全而有效的减肥冶疗药就成了燃眉之急。尽管药物需求量十分大而且远未被满足，     

实时细胞反应技术

高通量和高信息量的筛选方法在药物开发中起关键作用。虽然研究者用的方法、工具和策略各不相同,但他们都增加了细胞水平试验技术的投资,以期获得更高质量的首选化合物,并且在药物开发早期更多的测定化合物的药理学性质。最近的一些研究表明药物开发实验室在寻求更多生物学相关、对抑制剂敏感、以及能够研究复杂靶物的高效试验体系。     

RNAi可否给药？

Andrew Fire和Craig Mello发现了基因可以被细胞外源引入的双链RNA分子给“沉默”掉，这个现象不仅为他俩赢得了诺贝尔奖，而且还拉开了竞相开发RNA干扰（RNAi）技术用于治疗的序幕。在开始几年内，药物研究者们十分看好基于RNAi技术的产品的光明前景，而且为开发出首例可用于人类疾病治疗的RNAi治疗技术展开了激烈的竞争。     

一个更好的系统

由于察觉到重量级的候选药物在临床试验晚期甚至批准上市后才被发现有问题，因此为了尽可能的在研发中早期检测出潜在的毒性并对此有深入的了解，药物研究者们开始逐渐重视系统毒理学这门新兴的学科，并做出了不少的创新之举。     

数字化决策

要实现个人化医药的光明前景,需要引入一个生物标记计划来协助筛选病人并做出决定,医药公司采用基因组策略来提高个人化医药的成功率。     

ADME数据

随着平行合成技术的兴起以及生物分析方法的改进，各种各样的体外吸收、分布、代谢和排泄（ADME）芯片筛选试验和方法得到越来越广泛的应用。这促进了对有效候选药物的选择和对化合物ADME及物化性质的优化。在辉瑞公司的药代动力学、动力学和新陈代谢（PDM）部门内，研究者们从数据中分析出药物ADME性质的知识，但他们面临着一个困境：     

有助于帕金森病治疗的药物

波特兰的科学家们发现，一种抑咳药和一种进行精神分裂症治疗测试的药物能抑制不受控制的颤抖，从而消除服用帕金森病的治疗药物左旋多巴带来的副作用。