藥物代謝所產生的代謝物常擁有不同於母藥的物化和藥理性質，因此代謝物對於藥物安全性和療效性具有重要的影響，攸關藥物的發展性。例如cisplatin, diazepam, encainide, morphine, tamoxifen, 和 tramadol 代謝後，其代謝物更具活性；有些藥物的代謝物可改善母藥的臨床限制，因此市面上的產品主要是代謝物，如：oxazepam, cetirizine, desloratadine 和fexofenadine；又或者有些藥物因本身物化性質不安定，市面上以前趨藥非活性型式出現，但經體內代謝後，原本的非活性物質轉變為活性物質進而發揮療效，例如：enalapril, fenofibrate, levodopa, oseltamivir 和valaciclovir。即使對於候選藥物的代謝性質確有其必要性去探究，而為了減少臨床階段的昂貴花費，若能發展有效和可信賴的方式來預測藥物在活體外和活體內的代謝物，將有助於藥物發展。本文中對於現有關於偵測藥物代謝的實驗方法和計算技術做一概括性總覽，強調各方法的使用範圍和限制性，並指出結合藥物代謝測量和預測的協同效果。

在實驗方法中，由於體外試驗方法和分析技術進展，能夠獲得完整和準確的代謝過程，例如肝微粒體產生代謝產物和生物反應器；生物反應器就像是將所有器官匯集在一小區域，在體外模擬活體的環境，生物反應器與藥物接觸後可長期評估藥物代謝和毒性。質譜儀 (MS) 的巧妙複雜性和敏感分析技術有助於精確檢測和鑑定代謝物。另一是離子遷移譜 (ion mobility spectrometry)，原理是根據異構體在碰撞截面時產生不同的物理尺寸和形狀而反應出漂移時間的差異，進而達到代謝物的分離。動物試驗模型的發展也為代謝學帶來快速的進步，如將人類細胞植入動物體內，使成“嵌合人源化”小鼠 (chimeric humanized mice)，或將動物以基因改造方式使其帶有人類藥物代謝酵素和轉運蛋白等，這些動物實驗模型提供預測候選藥物在人體中更準確的代謝和藥物動力學特性；然而卻帶來道德上的爭議。

實驗方法探討中常需要大量的配備、技術資源的和人力，於是衍生計算預測的需求，儘管計算預測藥物代謝仍然是一個新興的領域研究，其中包括要引導或使用其他方法取代實驗工作，但也可以透過與其他領域連結，來改善精進計算技術，例如利用電腦資訊中各種數據庫的建立，包括藥物和農藥，以及多種植物和動物物種的代謝物信息，再結合光譜儀器的偵測技術，將可更有效監測和鑑定代謝物。由於代謝系統本身的複雜性，並受許多外來和個體因素的影響，很可惜目前計算方法尚未將這些因素納入考慮，如：代謝酵素、運輸蛋白、細胞色素P450、濃度差異、代謝網絡、代謝速率和其他環境因素的影響，未來尚須努力將這些因子併入考量以精進計算方法。在收集數據的同時，建立後續藥物動力學/藥物療效學鍵結模式，不僅可偵測代謝產物的存在，連接濃度、流量和時間的動力代謝狀態，也涵括個人或群體表型預測，從儀器設計、測量儀器、臨床試驗設計和臨床結果預測，結合所有的實驗和理論方法，將有巨大的潛力達到更精準代謝物的預測。由於圖形處理器 (GPU)、雲端技術、高效率演算法和並行計算發展的驅動，這將開闢許多可觀的開發途徑和應用發展，有助於準確的計算方法用於生物模擬。

事實上，整個生物代謝系統是相當複雜，無論使用實驗和計算方法，專業知識仍然是一個重要的組成部分，且涉及的學科範圍相當廣泛，可利用化學 (物理、有機合成、分析和藥物化學)、生物學 (生物化學、酵素學、遺傳學和表觀遺傳學) 、藥理學 (分子藥理學、臨床藥理學、藥物動力學、毒理學和治療學)，計算組件(軟體開發、量子化學、模擬、統計和機械學)，若能將所有這些實驗和理論緊密地結合和相互應用將會大大促進科學進展。理想情況下採用反饋環路實驗，設計和測試將大大改善預測模型，如同目前的工作重點是做回顧性分析。該預測模型被應用到各式各樣的研究和開發方案 (例如：藥物發展、環境科學、臨床表型和農藥的開發)，大量資源將被應用並且正在進行預測。此外學術界與業界的頻繁交流，使得數據或開發方法可迅速被傳遞公開和應用，取得這些方法將更容易，促進實驗和計算方法用於預測代謝的知識精進。