随着计算机的飞速发展以及各种生物数据库的爆炸式增长,生命科学已经进入大数据时代,由此机器学习应运而生,并且已经展示出了强大的作用和潜力。对于机器学习而言,核心的一点在于对数据的表示。最近,许多的基于代数拓扑,微分几何的数学方法已经被提出。与传统方法相比,这些数学方法在生物制药上已经取得了更好的结果,包括蛋白质-配体结合亲和力预测,基于蛋白质变异和毒性的蛋白质稳定性变化的预测等等。尤其是基于持续同调的模型,已经在制药上发挥了极大的作用。事实上,持续同调已经被应用到许多不同的领域,包括图像信号处理,混沌动力识别,传感器网络,复杂网络,数据分析,形状识别以及计算生物。但是,这里存在一个问题,以前所有的有关持续同调的模型都是建立在单纯复形上,而在有些情况,单纯复形并不是一个合适的选择。超图是对单纯复形的一种推广。这篇文章中,我们提出第一个生物分子的基于超图的拓扑表示。基于道路复形的思想,最近超图的嵌入同调以及对应的持续同调已经被提出。这里,为了捕获到更多的信息,我们提出超图的嵌入上同调,超图的持续上同调（HPC）,以及超图的带有权值的持续上同调（HWPC）。然后我们把我们的HPC/HWPC与机器学习进行结合构造出我们的HPC/HWPC-ML模型。我们把我们的模型应用到了制药中非常重要的一个问题上—蛋白质-配体结合亲和力预测。具体的我们用三个最常用的数据集对我们的模型进行了测试,包括PDBbind-2007,PDBbind-2013和PDBbind-2016。在三个数据集上我们都取得了非常好的结果。这展示出我们的模型在生物制药上的强大作用与巨大的潜力。