PharmMapper服务器：一个更新的集成药效团匹配平台，具有潜在靶标识别的统计方法。
药物靶点识别是药物发现的第一步，它包括许多用于发现基因和蛋白质的不同算法。当目标的三维结构可用时，目标识别问题通常转化为寻找潜在候选目标与探针小分子之间的最佳相互作用模式。药效团是分子与特定靶受体相互作用所必需的特征的空间排列，是一种替代方法，尽管需要分子对接才能实现这一目标。
PharmMapper Server是一个可自由访问的网络服务器，旨在使用药效团映射方法识别给定探针小分子（药物、天然产物或其他新发现的结合靶点未知的化合物）的潜在靶点候选。得益于高效、稳健的映射方法，PharmMapper具有较高的吞吐能力，能够在数小时内从数据库中识别潜在的目标候选。
PharmMapper由从中提取的所有靶点的大量内部药效团数据库进行备份目标银行,药物数据库,绑定数据库和PDTD公司PharmMapper存储和访问了7000多个基于受体的药效团模型（涵盖1627个药物靶点信息，其中459个是人类蛋白靶点）。PharmMapper针对PharmTargetDB中的所有靶点找到用户上传分子的最佳映射姿势（Tripos Mol2或MDL SDF格式），并输出前N个潜在药物靶点以及相应分子的对齐姿势。
此外，为了进一步提高PharmMapper的准确性，我们从PDB中提取了所有药效团模型的配体，并将其存储为mol2格式的库配体数据集，然后计算这些配体的PharmMapler拟合分数。该过程生成一个近7000×7000的分数矩阵。在此之后，当提交一个新的分子时，首先计算每个药效团的拟合分数，然后将特定药效团的每个拟合分数与拟合分数矩阵进行比较，以测量其在药效团所有分数中的分数水平。与随机药效团匹配相比，该过程加起来得到了更具统计意义和置信度的纯拟合分数。
要使用PharmMapper服务器，请将您的分子文件上传到提交作业第页。不同用户之间看不到提交的工作信息和分子结构。这里有一个样本输出确定的他莫昔芬靶点。
当前版本。当前版本，即。2017版基于2016年1月1日正式发布的PDB内容。此版本适用空腔1.1检测给定蛋白质结构表面的结合位点，并根据相应的药物敏感性得分对其进行排序。基于受体的药效团建模程序口袋4.0然后用于提取腔体内的药效团特征。在这种方法中，共有23236蛋白质覆盖16159预测为药物结合位点的药效团模型52431挑选出pKd值高于6.0的药效团模型，这是目前此类模型中最大的一个集合。与上一版本（2010年版）相比，本版本中包含的靶药效团模型增加了六倍多，从7302增加到近53000。
