컴퓨터 지원 약물 설계(CADD)는 고성능 컴퓨터를 활용하여 약물 설계 과정을 시뮬레이션하는 기술로, 현재 매우 전망 있는 연구 분야이다. CADD에서 가장 중요한 단계는 약물-타겟 친화도(DTA) 예측이며, 이는 약물 개발 속도를 가속화하고 자원 소비를 감소시키는 데 기여할 수 있다. 딥러닝 기술의 발전에 따라, DTA 예측에 딥러닝 기법을 도입하고 정확도를 향상시키는 것은 최근 주요 연구 주제가 되었다. 본 논문에서는 분자와 단백질의 구조적 정보를 활용하여 각각 약물 분자와 단백질에 대한 그래프를 구축하였다. 이후 그래프 신경망(GNN)을 도입하여 각 그래프의 표현을 추출하고, DTA 예측을 위한 새로운 방법인 DGraphDTA를 제안하였다. 특히, 단백질 그래프는 단백질의 아미노산 서열을 바탕으로 구조적 특성을 예측할 수 있는 예측 방법에서 출력되는 접촉 맵(contact map)을 기반으로 구성되었다. 다양한 기준 데이터셋에서 평가한 결과, 본 논문에서 제안한 방법은 뛰어난 안정성과 일반화 능력을 보였으며, DTA 예측 분야에서 강력한 성능을 입증하였다.