一种基于多尺度特征融合的药物靶标结合亲和力预测方法和系统

本发明公开了一种基于多尺度特征融合的药物靶标结合亲和力预测方法，该方法在药物分子表示中引入原子、原子团与分子级的多尺度结构特征，结合图神经网络与序列建模模块作为特征提取器，利用多头双线性交叉注意力机制实现蛋白质与药物不同尺度特征间的深度交互与融合，从而有效捕捉潜在结合位点信息，提升亲和力预测的准确性与解释能力。本发明不仅克服了传统机器学习方法在特征构建中依赖人工、效率低的问题，同时解决了现有深度学习方法仅限于局部邻域信息、无法建模全局结构特征，以及直接拼接药物与蛋白质表示导致交互关系建模能力不足的技术瓶颈。