本研究では、薬物標的相互作用（DTI）を正確に予測するための新しいアプローチを提案しています。提案手法は、グラフニューラルネットワーク（GNN）を利用し、タンパク質-リガンド複合体の3D構造を直接組み込むことでDTIを予測します。モデルの性能向上のために、距離に注意を払ったグラフ注意アルゴリズムをゲート拡張とともに適用しています。その結果、このモデルはバーチャルスクリーニングやポーズ予測において、ドッキング法や他の深層学習手法を上回る性能を示しています。また、モデルは活性分子と不活性分子の自然な集団分布を再現する能力も持っています。この研究は、インシリコ薬物設計において重要な進展をもたらすものと考えられます。