В исследовании представлен XAttn-DTA — инновационный фреймворк для прогнозирования аффинности взаимодействия лекарства и мишени (DTA), который не требует экспериментально определенных структурных координат белков. Методология объединяет многослойные графовые сети внимания (GAT) для кодирования 2D-молекулярных графов лекарств и использование предсказанных карт контактов ESM2 для построения графов аминокислотных остатков белков. Ключевым элементом является модуль двунаправленного кросс-внимания, который позволяет лигандам и белковым средам взаимно обогащать друг друга в общем латентном пространстве. На бенчмарке Davis модель показала индекс конкордации (CI) 0,907 и MSE 0,175, что на 1,8% выше CI и на 9,3% ниже MSE по сравнению с лучшими аналогами. В тестах на наборе KIBA достигнуто снижение MSE на 13,6% (до 0,121). Особую значимость представляют результаты в условиях «холодного старта» (неизвестные структуры): на наборах Davis, KIBA и BindingDB модель показала снижение MSE до 79,0% и рост CI до 31,5%, что подтверждает её высокую способность к обобщению на новые химические каркасы и семейства белков.