牛津大学研究团队提出了一种新型图神经网络模型AEV-PLIG，旨在提高药物发现中结合亲和力的预测准确性。该模型结合原子环境向量与蛋白质-配体相互作用图，并采用注意力机制，显著提升了预测性能。研究还表明，增强数据可以进一步改善模型效果，强调了对更强基准和数据增强方法的需求。

腾讯 AI Lab 提出的 Interformer 模型基于 Graph-Transformer 架构，旨在改进蛋白质-配体对接和亲和力预测。该模型通过交互感知混合密度网络捕获非共价相互作用，提升了预测性能和可解释性。研究表明，Interformer 在多个基准测试中表现优异，成功识别高效小分子，展示了其在药物设计中的潜力。