# 药效团
药效团模块通过深度学习算法和基于蛋白质的自动化建模技术，为药物发现提供了高效的虚拟筛选工具。药效团（pharmacophore）是指药物分子中对特定生物活性起关键作用的化学结构特征，是分子设计和筛选过程中的核心。通过识别和利用药效团特征，科研人员可以在庞大的化合物库中迅速找到潜在的活性分子，并从中筛选出最具开发前景的候选药物。此模块适用于多种研究场景，涵盖靶标识别、活性位点分析和小分子筛选等，为科研人员的药物发现工作提供精准而便捷的支持。
以下是使用药效团模块的详细步骤：
# 第一步：输入蛋白质文件
上传靶标蛋白的结构文件，以便进行药效团分析。可以直接上传蛋白质文件或输入UniProt ID来自动获取蛋白质结构数据。
上传蛋白质文件：选择
.pdb格式的蛋白质三维结构文件，确保文件包含完整的靶标蛋白信息。输入UniProt蛋白质ID：若已知目标蛋白的UniProt ID，直接输入即可加载相应结构，减少手动准备文件的工作量。
# 第二步：输入小分子化合物分子式
输入小分子的分子式信息（如SMILES字符串），这些分子将用于筛选和匹配药效团特征。系统将根据输入的小分子数据，与生成的药效团模型进行特征对比，快速筛选出可能的活性分子。
# 第三步：输入配体文件
上传配体分子的结构文件，以支持药效团模型的进一步构建。系统支持.pdb、.sdf、.mol2等常见分子文件格式，用户需确保所选文件包含完整的配体结构，以便模型能够识别并生成准确的药效团特征。
# 提交并获取结果
完成所有输入后，点击【提交】按钮，系统将自动生成药效团模型并执行匹配分析。生成的结果文件将以tar格式压缩包的形式提供，内容包括药效团的结构信息、筛选结果、蛋白质和配体文件等。
- pharmer_pm.pse：药效团结构文件，可用PyMOL进行可视化。
- pharmer_result.csv：小分子的筛选结果，包含匹配打分等信息。
- pharmer_protein.pdb：原始蛋白质结构文件。
- ligand.mol2：配体文件。
- smiles.smi：小分子的SMILES字符串文件。
ligand.mol2
pharmer_pm.pse
pharmer_protein.pdb
pharmer_result.csv
pharmer_result.json
smiles.smi
# 结果可视化
生成的药效团结构文件（pharmer_pm.pse）可以在PyMOL等分子可视化软件中查看，以展示药效团的三维特征及其与小分子的相互作用位置，帮助深入分析药物候选分子的作用机制。
