Pharmmapper算是一个非常知名的由华东理工大学开发与维护的药效团匹配与潜在识别靶标平台，开始以为对自己的课题很有用，但是仔细研究发现可能自己的课题用不上，所以没有阅读其文献，在这里分享给大家可能算是一个初窥吧。
如果你需要经常使用这个在线服务，强烈建议通读原理和算法，这样计算的结果才更加真实更加正确！！！
该服务的用途我理解为主要是通过已知的小分子化合物，去寻找其可能作用的靶点的过程。俗称钓靶。
药物靶点鉴定包括许多算法来寻找基因和蛋白质。当靶标的三维结构可以使用，寻靶的过程就变为在候选靶标和小分子之间的联系模式的寻找。其中一类以分子对接为代表，另外一类就是Pharmmapper这种空间特征排列搜寻，其本质上也是小分子和特异靶点受体之间的相互作用分析。PharmMapper来自TargetBank, DrugBank, BindingDB 和 PDTD这几个数据库，超过7000个受体基础的药效团模型。包含1627个药物信息和459个人类蛋白靶标。
详细信息可以从这里获取帮助。在这里简单介绍一下：
流程介绍
1.提交
提交的分子需要为MOL2格式或者SDF格式。如果不是三维构象的分子，那么服务会自动转化为三维构象。
2.基本设置
Generate Conformers
PharmMapper采用半经验药效团图谱工具，其需要生成多个分子构象，用户可以采用在线的方法生成或者自己准备（离线的方法）。在线方法PharmMapper采用的是MOEA基础的构象生成算法Cyndi，离线自己准备的话将所有的结果放入一个MOL2文件提交。
Maximum Generated Conformations
Cyndi生成的最大构象
Number of Objectives used in MOEA
在Cyndi的多目标进化算法中使用的目标数目
Select Targets Set
主要包含2010和2017两个数据库集。
Perform GA Match
使用遗传算法（AutoDock大家还有没有印象^_^）优化药效团图谱
Number of Reserved Matched Targets
生成潜在靶标数量
结果介绍
图1：PharmMapper交互界面
(A).PharmMapper靶标数据集
(B).命中靶标模型排序
图2:Kanamycin对于 Aminoglycoside 2-phosphotransferase IVa (PDB ID: 3SG9)靶标
(A).Kanamycin和其药效团
(B).Kanamycin以及周围的药效团分子，在药效团中，紫色的球表示氢键受体中心，绿色的球表示氢键供体中心，淡蓝色的球表示疏水中心
参考文献:
Xiaofeng Liu, Sisheng Ouyang, Biao Yu, Kai Huang, Yabo Liu, Jiayu Gong, Sisuan Zheng, Zhihua Li, Honglin Li, Hualiang Jiang. PharmMapper Server: a web server for potential drug target identification via pharmacophore mapping approach. Nucleic Acids Res., 2010, 38, W609-W614.
Xia Wang, Chenxu Pan, Jiayu Gong, Xiaofeng Liu, Honglin Li. Enhancing the Enrichment of Pharmacophore-Based Target Prediction for the Polypharmacological Profiles of Drugs. J. Chem. Inf. Model., 2016, 56, 1175-1183.
Xia Wang, Yihang Shen, Shiwei Wang, Shiliang Li, Weilin Zhang, Xiaofeng Liu, Luhua Lai, Jianfeng Pei, Honglin Li. PharmMapper 2017 update: a web server for potential drug target identification with a comprehensive target pharmacophore database. Nucleic Acids Res., 2017, 45, W356-W360.
