以下是本篇文章正文内容，下面案例可供参考药物靶点亲和力（DTA）的准确预测在药物发现和开发中起着至关重要的作用。最近，深度学习方法在随机拆分的公共数据集上显示出优异的预测性能。然而，仍然需要对这种拆分方法进行验证，以反映实际应用中的实际问题。在冷启动实验设置中，测试集中的药物或蛋白质不会出现在训练集中，深度学习模型的性能通常会显着下降。这表明提高模型的泛化能力仍然是一个挑战。

DTI（Drug-Target Interaction）任务和DTA（Drug-Target Affinity）任务都是与药物发现和药物设计相关的任务，但它们在方法和目标上有一些关键区别。任务类型DTI任务通常涉及预测给定药物和给定靶点之间是否存在相互作用。这种相互作用可以是药物与蛋白质靶点的结合，或者药物对靶点的生物活性。DTA任务则专注于预测给定药物与给定靶点之间的亲和力或结合亲和力。这包括预