分子の「フィンガープリント」は、構造情報を符号化し、創薬応用における化学情報学や機械学習の主力となっています。しかし、フィンガープリント表現は必然的に分子構造の特定の側面を強調しながら他の側面を無視する傾向があり、モデルがデータ駆動型の決定を行うことを許可しません。本稿では、無向グラフ、特に小分子から学習するための機械学習アーキテクチャである分子「グラフ畳み込み」について説明します。グラフ畳み込みは、分子グラフの単純な符号化（原子、結合、距離など）を使用することで、モデルがグラフ構造内の情報をより効果的に活用できるようにしています。グラフ畳み込みがすべてのフィンガープリントベースの方法を上回るわけではありませんが、他のグラフベースの方法とともに、リガンドベースの仮想スクリーニングにおいて新たなパラダイムを示しており、今後の改善に大きな期待が寄せられています。