本發(fā)明提供一種基于Transformer和增強(qiáng)交互型MPNN神經(jīng)網(wǎng)絡(luò)的小分子表示學(xué)習(xí)方法，包括以下步驟：S1：將藥物小分子轉(zhuǎn)化為包括有n個(gè)節(jié)點(diǎn)和m條邊的有向圖G＝(ν,ε)，從而將藥物小分子性質(zhì)預(yù)測(cè)歸類為有監(jiān)督的圖學(xué)習(xí)任務(wù)；S2：構(gòu)建Transformer模型，所述的Transformer模型包括位置層、編碼層、生成器層；所述的位置層用于獲取原子與原子之間的位置信息；所述的編碼層用于學(xué)習(xí)小分子的空間結(jié)構(gòu)信息；所述的生成器層用于對(duì)藥物小分子性質(zhì)的預(yù)測(cè)；S3：將有向圖G＝(ν,ε)輸入Transformer模型進(jìn)行小分子性質(zhì)預(yù)測(cè)。本發(fā)明能夠在Transformer框架中很好的結(jié)合MPNN框架的點(diǎn)邊交互方式，既可以通過(guò)MPNN學(xué)習(xí)到局部的化學(xué)結(jié)構(gòu)信息，也能通過(guò)Transformer捕捉到遠(yuǎn)程依賴信息。