ドラッグ・ターゲット相互作用（DTI）の正確な予測は、新薬開発において極めて重要である。近年、深層学習（DL）モデルがDTI予測において有望な性能を示している。しかし、これらのモデルは、バイオインフォマティクス分野に進出するコンピュータサイエンティストや、DL経験が限られたバイオインフォマティシャンにとって使いにくい場合がある。本研究では、DTI予測を目的とした包括的かつ使いやすい深層学習ライブラリ「DeepPurpose」を提案する。DeepPurposeは、15種類の化合物およびタンパク質エンコーダーと50種類以上のニューラルアーキテクチャを実装し、カスタマイズ可能なDTI予測モデルの学習を可能にするほか、多数の有用な機能を提供している。また、複数のベンチマークデータセットを用いた実験により、DeepPurposeが最先端の性能を発揮することを示した。