抗生素传统上用于治疗细菌感染。但是，细菌可以对药物产生免疫力，使其无效，从而对全球健康构成严重威胁。识别和分类负责这种抗药性的基因对于预防，诊断和治疗感染以及对其机制的理解至关重要。为此目的开发的先前方法主要是基于序列的，这取决于与现有数据库或经过序列特征训练的机器学习模型的比较。但是，具有可比功能的基因可能并不总是具有相似的序列。因此，在本文中，我们开发了一种深度学习模型，该模型使用蛋白质结构作为对序列的补充来对新型抗生素抗生素抗生素基因（ARGS）进行分类，我们期望与单独的序列相比，该抗生素抗生素抗生素的基因（ARGS）提供了更多的有用信息。建议的方法包括两个步骤。首先，我们利用了备受瞩目的字母模型，以预测其氨基酸序列的3D结构。然后，我们使用基于变压器的蛋白质语言模型来处理序列，并将图神经网络应用于从结构中提取的图。我们在标准基准数据集上评估了所提出的体系结构，我们发现它以优于最先进的方法。