识别药物-靶相互作用是药物发现的关键步骤。已有许多计算方法可以用于确定药物和靶点是否相互作用。但对于药物和靶标之间的结合相互作用的强度--药物-靶标结合亲和力预测仍是当前面临的一项挑战。赵兴明团队提出了一种基于药物结构和靶序列预测药物-靶蛋白结合亲和力的新型深度神经网络Co-VAE模型。Co-VAE模型的优点是它可以捕捉到高层次的特征来表示药物-靶蛋白，在此基础上，该模型不仅可以预测新药和新靶蛋白之间的亲和力值，还可以生成与输入药物具有相似靶蛋白的新药。研究人员在两个绑定亲和力数据集Davis数据集和KIBA数据集上的实验表明Co-VAE模型比现有的DeepDTA和DeepAffinity等亲和力预测方法能够更好地预测药物-靶蛋白亲和力。研究人员还评估了KIBA数据集上Co-VAE模型的生成性能，研究结果表明，Co-VAE模型可以生成比其他生成方法（如GAN和VAE）更多的新有效药物。Co-VAE模型除了可以预测药物-靶蛋白结合亲和力之外，还有许多潜在的应用，如在图像处理或自然语言处理中，匹配图像和文本标题，匹配文档与摘要等（IEEE T Pattern Anal. 2022. 44(12):8861-8873）。