该研究提出了EquiCPI，这是一个结合结构建模和SE(3)等变神经网络的几何深度学习框架，旨在提高化合物-蛋白质相互作用预测的准确性。EquiCPI在BindingDB和DUD-E评估中表现优异，超越了现有的深度学习方法。

本文综述了基于深度学习的化合物-蛋白质相互作用预测方法，如MCPI、DrugCLIP、PTM-CMGMS等模型，通过整合PPI、CCI网络及结构特征提升预测性能，并应用于SARS-CoV-2抑制剂筛选和药物研发。