في السنوات الأخيرة، حققت الطرق المستندة إلى الشبكات العصبية الرسومية (GNN) نتائج ممتازة كمهمة رئيسية في تنبؤ استجابة الأدوية. تستخدم الطرق التقليدية للشبكات العصبية الرسومية فقط الذرات في جزيء الدواء كعقد لاستخلاص تمثيل الرسم البياني الجزيئي من خلال نقل المعلومات بين العقد، بينما يمكن للطريقة التي تستند إلى الترانسفورمر استخلاص معلومات عن العقد فحسب. ومع ذلك، فإن الروابط المشتركة والتشيرالية لجزيء الدواء لها تأثير كبير على الخصائص الصيدلانية للجزيء، وهذه المعلومات ملموسة في الروابط الكيميائية المكونة من الحواف بين الذرات. بالإضافة إلى ذلك، يمكن للطرق المستندة إلى الشبكات العصبية المتلافهة (CNN) لنمذجة سلاسل الجينوم الخلوية أن تدرك فقط المعلومات المحلية وليس المعلومات العالمية حول التسلسل.لحل المشكلات المذكورة أعلاه، نقترح هيكل الترانسفورمر الثنائي المنفصل مع تضمين الحواف لتنبؤ استجابة الدواء (TransEDRP)، والذي يستخدم لتمثيل سلاسل الجينوم الخلوية والدواء على حد سواء. بالنسبة لفرع الدواء، قمنا بتشفير معلومات الرابطة الكيميائية داخل الجزيء كتضمين للحافة في الرسم البياني الجزيئي، واستخلصنا المعلومات الهيكلية والبيوكيميائية العالمية للجزيء الدوائي باستخدام الترانسفورمر الرسومي. أما بالنسبة لفرع سلاسل الجينوم الخلوية، فقد استخدمنا آلية الانتباه متعددة الرؤوس لتمثيل التسلسل الجينومي عالمياً.أخيراً، يتم دمج فرعي الدواء وسلاسل الجينوم من خلال طبقة الترانسفورمر وطبقة الاتصال الكاملة لتوقع قيم IC50، حيث يمثل الفرعين نوعين مختلفين من الوسائط المتعددة. أظهرت التجارب الواسعة أن طريقتنا أفضل من النهج الرئيسية الحالية في جميع مؤشرات التقييم.