计算机辅助药物设计利用高性能计算机模拟药物设计中的各项任务，是一项具有广阔前景的研究领域。药物-靶标亲和力（Drug–Target Affinity, DTA）预测是计算机辅助药物设计中最关键的步骤，能够显著加速药物研发进程并降低资源消耗。随着深度学习技术的发展，将深度学习引入DTA预测并提升预测精度已成为当前研究的热点。本文基于分子与蛋白质的结构信息，分别构建了药物分子图和蛋白质图。通过引入图神经网络（Graph Neural Networks）获取其特征表示，并提出了一种名为DGraphDTA的方法用于DTA预测。具体而言，蛋白质图是基于预测方法输出的接触图（contact map）构建而成，该方法可根据蛋白质序列预测其结构特征。在基准数据集上的多种评估指标测试结果表明，本文提出的方法具有良好的鲁棒性与泛化能力。