本研究では、タンパク質の一次配列から二次構造を予測する課題に取り組んでおり、これは三次構造を予測する初期の重要なステップである。既存の方法は多くの未ラベルのアミノ酸配列を利用するが、タンパク質の機能を決定づける3D構造データを明示的に活用していない。本研究では、タンパク質残基グラフを用い、空間情報を強化するためにさまざまな接続を導入。グラフニューラルネットワーク（GNN）とトランスフォーマーを組み合わせ、アミノ酸配列を符号化し、メッセージパッシング手法を通じて構造の幾何特性を捉える。NetSurfP-2.0のデータセットを用いた実験において、提案したモデルであるSSRGNetがベースラインを上回るf1スコアを達成したことが確認された。