البصمات الجزيئية التي ترميز المعلومات البنيوية هي العمود الفقري للكيمياء الحاسوبية وتعلم الآلة في تطبيقات اكتشاف الأدوية. ومع ذلك، فإن تمثيلات البصمات الجزيئية بالضرورة تركز على جوانب معينة من البنية الجزيئية بينما تتجاهل أخرى، بدلاً من السماح للنموذج باتخاذ قرارات مستندة إلى البيانات. نصف هنا "التحويلات الرسمية الجزيئية" (molecular graph convolutions)، وهي هندسة لتعلم الآلة تستهدف التعلم من الرسوم البيانية غير الموجهة، وبشكل خاص الجزيئات الصغيرة. تحويلات الرسم البياني تستخدم رموزًا بسيطة للرسم البياني الجزيئي - الذرات، الروابط، المسافات، إلخ - مما يتيح للنموذج الاستفادة بشكل أكبر من المعلومات الموجودة في بنية الرسم البياني. رغم أن التحويلات الرسمية الجزيئية لا تتفوق على جميع طرق البصمات الجزيئية، إلا أنها (بالإضافة إلى الطرق الأخرى القائمة على الرسم البياني) تمثل نموذجًا جديدًا في الفرز الافتراضي القائم على الليجاند مع فرص مثيرة للتحسين المستقبلي.