针对表症，快速辨识出合适靶标（通常是指某些于人体内或寄生生物内发现，并与疾病相关的蛋白质、蛋白质复合物或 RNA 分子）

以网络辅助分折，鉴辨及定制出新的多靶点药物及综合疗法方案。

以多目标驱动化学基因组选择作为工具，利用机器学习 (Machine learning) 筛选出最合适的苗头化合物，并测试其毒性及有效性，包括 Toxicity/ Phototoxicity/ ADME / PK/PD。

将苗头化合物与细胞分子对接，进行蛋白质建模，以分子动力学分析它与靶标之间的关系，证明靶目标功能变化能引发预期的生物效应，并与临床疾病的治疗相关。

以人工智能逆向合成演算 （多基座）分析苗头化合物与新型蛋白质相互作用。

透过人工智能进行仿真得精准数据，推算出临床实验的成效。

利用人工智能作逆向合成演算，进一步详细分析苗头化合物之配体。

将适用于体外或／及体内的苗头化合物，优化成候选药物，并针对其药效、可替代性、毒性、
稳定性等各方面性质，作综合考评。