MotivationDie Identifizierung von Verbindung-Protein-Interaktionen (Compound–Protein Interaction, CPI) ist eine entscheidende Aufgabe in der Arzneimittelentwicklung und der Chemogenomik. Ein erheblicher Teil potenzieller biologischer Zielstrukturen weist keine dreidimensionale Struktur auf, weshalb Methoden erforderlich sind, die ausschließlich auf Sequenzinformationen basieren, um CPI vorherzusagen. Allerdings können sequenzbasierte CPI-Modelle auf spezifische Fallstricke stoßen, darunter die Verwendung ungeeigneter Datensätze, versteckte Liganden-Bias und inadäquate Datensplitting-Strategien, was zu einer Überbewertung der Vorhersageleistung führen kann.ErgebnisseUm diese Probleme zu adressieren, haben wir hier neue, spezifisch für die CPI-Vorhersage konzipierte Datensätze erstellt, ein neuartiges Transformer-Neural-Netzwerk namens TransformerCPI vorgestellt und einen rigoroseren Label-Reversal-Experimentansatz eingeführt, um zu testen, ob ein Modell tatsächlich echte Interaktionsmerkmale lernt. TransformerCPI erzielte erheblich verbesserte Ergebnisse in den neuen Experimenten und lässt sich dekonstruieren, um wichtige interagierende Regionen in Proteinsequenzen und Verbindungsatomen hervorzuheben. Diese Erkenntnisse könnten chemisch-biologische Studien durch wertvolle Anleitungen zur weiteren Strukturoptimierung von Liganden unterstützen.