يُعدّ التنبؤ بدقة ببقايا الارتباط بين الأجسام المضادة والمستضدات، أي بـ"البارةتوبي" (paratopes) و"الإبيتوبي" (epitopes)، أمرًا حيويًا في تصميم الأجسام المضادة. ومع ذلك، تركز الطرق الحالية فقط على بيانات أحادية النمط (إما التسلسل أو البنية)، مع تجاهل المعلومات المكملة المتوفرة في البيانات متعددة النماذج، كما أن معظم هذه الطرق تُقدّر البارةتوبي والإبيتوبي بشكل منفصل، مما يؤدي إلى إغفال التفاعلات الفضائية المحددة بينهما. في هذه الورقة، نقترح طريقة جديدة تُسمى MIPE (Multi-modal contrastive learning and Interaction informativeness estimation-based method for Paratope and Epitope prediction)، تعتمد على استخدام بيانات التسلسل والبنية لكلا من الأجسام المضادة والمستضدات. تُطبّق MIPE استراتيجية تعلّم تبايني متعدد النماذج، تُعزز من تمثيلات بقايا الارتباط وغير الارتباط داخل كل نمط، وفي الوقت نفسه تُنسّق بين التمثيلات أحادية النمط لتصبح تمثيلات فعّالة. ولاستغلال معلومات التفاعل الفضائي، تدمج MIPE أيضًا تقنية تقدير معلومات التفاعل، والتي تحسب مصفوفات التفاعل المُقدّرة بين الأجسام المضادة والمستضدات، بهدف تقريبها للقيم الفعلية. تُظهر التجارب الواسعة تفوق طريقة MIPE مقارنة بالطرق الأساسية. علاوةً على ذلك، تُظهر دراسات الاستبعاد (ablation studies) والتصورات تفوق MIPE ناتجًا عن التمثيلات المحسّنة المكتسبة عبر التعلّم التبايني متعدد النماذج، والأنماط التفاعلية التي تم فهمها من خلال تقدير معلومات التفاعل.