目前，国际上已有研究组通过计算机辅助和生物学实验结合的方法筛选出一些IGF1R的特异性抑制剂，这为进一步的特异性IGF1R抑制剂计算机虚拟筛选研究提供了良好的基础。通过计算机虚拟筛选进行针对特定靶标的药物分子筛选，可以极大地降低成本，提高生物实验准确率，缩短药物研发时间。在本文工作中，我们通过测试和比较多种分此网站子对接软件在IGF1R和若干与IGF1R的结构高度相似的激酶受体上的表现，建立了一套虚拟筛选流程，用来快速筛选潜在的IGF1R特异性抑制剂。同时我们通过对结构已知的IGF1R和IR复合体进行多种分析，建立了一套靶标和小分子结合模式预测流程，用来预测和分析潜在的抑制剂小分子对IGF1R半抑制浓度和IR相互作用的差别。我们构造了多种有效的测试数据集验证了两个流程的有效性。进一步地，我们应用这些计算机流程，从美国国家癌症研究所（NCI）发布的小分子数据库所包含的大约14万个化合物中，检测出17个潜在的IGF1R特异性抑制剂。我们挑选其中的三个潜在性抑制剂分子(ID:351570selleck screening library、660826、649812)进行了分子动力学模拟分析，通过计算平均作用力势能（PMF）来估计它们对IGF1R和IR结合力的差别，最后确定了其中的化合物351570和649812最有可能成为IGF1R特异性抑制剂。NCI的研究证明了化合物649812和660826具有对多种癌细胞系的抑制作用。上述化合物对IGF1R特异抑制能力的最后定论还有待进一步的生物学实验证实。