FastROCS是一个非常快的形状比较应用程序，基于分子具有相似的形状，如果他们的卷覆盖以及任何数量的不匹配，是衡量一个相异的想法。它采用了平滑的高斯函数来表示分子体积[1]，因此很可能定期减少全球**匹配。
FastROCS前所未有的速度代表了3D形状甄别潜在的范式转变作为药物发现过程的一部分。现在，只需几秒钟，FastROCS就可以执行整个多构象的企业收集的代表性找到类似形状的铅化合物（一个任务可以实现以前需要一天[2]）的活性化合物的虚拟屏幕。最近的工作表明，基于配体的基本形状相似的做法是有竞争力的，并往往优于结构为基础的虚拟筛选方法[34]，无论是在整体性能和一致性方面[5]。
此外，以革命性的虚拟筛选的能力，并导致跳，FastROCS打开门对整个multiconformer数据库进行比较NxN的形状。这种能力使得3D形状的大型数据库集群为FI？RST时间的实际可能性。
FastROCS路线有一个额外的应用程序，包括：三维构效关系，特区的分析，了解SCA的ffold多样性和共同绑定元素的检测。晶体构象的比对也已构成预测蛋白质结构的情况下有用
学的严密性、速度快、可扩展性以及平台的独立性等特点，主要作用是用于虚拟筛选和寻找具有新骨架的先导化合物。
OpenEye 软件产品线包括化学资讯学、分子构象生成、分子对接、形状比较、静电、晶体学分析、视觉化等工具。OpenEye
还将其技术以程式设计库的方式提供工具包以满足客户自行开发的需求。
静电相似性的新骨架化合物。对基于结构的虚拟筛选，FRED 是一种详尽的、刚性对接与打分程式。
资讯搜集:
关于化合物的准备，可以用FILTER过滤掉不理想的分子，用QUACPAC的多种电荷模型计算电荷，用OMEGA生成高品质的3D构象集(3D conformer ensembles)。对基于配体的虚拟筛选，ROCS和FastROCS可以在化合物库中搜索有类似3D形状和化学性质的分子。EON经常可以和ROCS联用，从ROCS命中的列表中识别出与筛选模型（范本分子）具有静电相似性的新骨架化合物。对基于结构的虚拟筛选，FRED是一种详尽的、刚性对接与打分程式。
FILTER是一个非常快速的分子过滤和筛选应用程序。它联合物理性质的计算和官能团的知识，在化合物进入实验或者虚拟筛选前，删除性质不理想的化合物，巨大地提高这些程式预测的价值并显著地减少计算时间。
OMEGA可以快速地生成类药分子的构象空间，每个处理器每天处理的通量达到成千上万个化合物。它可以有效地重现生物活性构象，对于大型的化合物数据库，它在速度和效果上达到了**平衡。
OMEGA构象数据库可以被用来作为许多应用的输入，包括分子对接引擎（FRED）、形状比较工具（ROCS）和药效团识。
ROCS是一个强大的虚拟筛选工具，可以通过与一个已知先导化合物的相似性比较，快速发现具有潜在活性的化合物。ROCS的高速使得单个处理器每天进行多构象的筛选成为可能。 最近的工作表明，在虚拟筛选方面，ROCS的效果和一致性可以和基于结构的虚拟筛选相提并论甚至经常超越后者。
vROCS提供了强有力的虚拟筛选模型编辑器，可以使高级用户设计复杂的虚拟筛选模型。认识到虚拟筛选模型验证的重要性，vROCS还提供了一整套的统计学工具来评价不同虚拟筛选模型的性能。
FastROCS是一个快速的基于GPU的形状比较程式， 它使得即时的形状相似性比较可以应用在虚拟筛选、先导化合物骨架跃迁和形状聚类方面。在配置了一个Quad Fermi显卡的电脑上，FastROCS每秒钟能筛选200多万个分子构象， 这比常见的传统硬件要快几个数量级。
FastROCS在2011年波士顿生物资讯技术世界大会上获得了“Best of Show”奖项。 FastROCS同样以最好的表现在2010年新奥尔良超级计算大会上得到KhronosOpenCL奖项。
EON可以对叠合好的一系列分子进行基于静电势图的比较和打分。由于分子的静电势和分子图形并不具有很强的相关性，EON可用于静电势相似性的比较，来实现先导化合物的骨架跃迁。
由于输入分子必须是已经叠合好的一系列分子，因此，EON很适合用来进一步识别ROCS等程式得到的输出结构，从而产生具有相似形状和静电的化合物。
FRED详尽地检测出配体在蛋白质活性位点里所有可能的分子取向，接着利用形状互补性和药效团特征对各种取向进行过滤，再用一致性打分函数选出单个的分子取向。然后再用一系列基于结构和基于配体的打分函数对配体进行打分和排序。
在一次全面的分子对接程式用于虚拟筛选的方法研究中， FRED的效果表现为最好之一，并且表现出了最低的变异性。