본 논문은 약물-표적 단백질 간 결합 친화도 예측을 위한 새로운 딥러닝 모델 HCAF-DTA를 제안합니다. 기존 방법들의 한계를 극복하고자, 약물 분자의 내부 하위 구조적 특징과 약물-표적 상호작용 정보를 활용합니다. 약물 분자에는 트리 분해 알고리즘 기반의 초그래프 표현을 도입하여 하위 구조 및 전역 특징을 추출하고, 단백질에는 ESM 모델 접촉 지도를 기반으로 가중치 그래프를 구성하여 공간적 의존성을 포착합니다. 예측 단계에서는 양방향 다중 헤드 교차 어텐션 메커니즘을 통해 분자 간 상호작용을 모델링하고, 어텐션을 통해 상관 정보를 가진 교차 모달 특징을 융합합니다. Davis 및 KIBA 데이터셋 실험 결과, 기존 최고 성능 모델 대비 최대 4% 향상된 MSE 0.198 및 0.122를 달성하며 우수한 성능을 보였습니다.
