항체-항원 결합 부위(즉, 파라토프 및 에피토프)를 정확히 예측하는 것은 항체 설계에 있어 핵심적인 과제이다. 그러나 기존의 방법들은 단일 모달 데이터(시퀀스 또는 구조)에만 집중하며, 다중 모달 데이터 내에 존재하는 보완적인 정보를 간과하고 있으며, 대부분의 방법들은 파라토프와 에피토프를 별도로 예측함으로써 그들 간의 특정 공간적 상호작용을 무시하고 있다. 본 논문에서는 항체와 항원의 시퀀스 및 구조 데이터를 모두 활용하여, 다중 모달 대조 학습과 상호작용 정보량 추정 기반의 파라토프 및 에피토프 예측을 수행하는 새로운 방법인 MIPE(Multi-modal contrastive learning and Interaction informativeness estimation-based method for Paratope and Epitope prediction)를 제안한다. MIPE는 각 모달 내에서 결합 여부에 따라 유사한 표현을 최대화하고, 단일 모달 표현을 효과적인 다중 모달 표현으로 정렬하는 다중 모달 대조 학습 전략을 구현한다. 또한 공간적 상호작용 정보를 효과적으로 활용하기 위해, 항체와 항원 간의 상호작용 행렬을 추정하는 상호작용 정보량 추정 모듈을 도입하여 실제 상호작용 행렬에 근접하게 만든다. 광범위한 실험을 통해 제안한 방법이 기존 기준 대비 뛰어난 성능을 보임을 입증하였으며, 추가적인 아블레이션 실험과 시각화 결과를 통해 다중 모달 대조 학습을 통해 획득한 보다 우수한 표현과 상호작용 정보량 추정을 통해 이해된 상호작용 패턴이 MIPE의 우수성에 기여함을 확인하였다.