小分子の効力予測手法を調査する過程で、ランダムフォレストやサポートベクターマシンを拡張接続性指紋（Extended-Connectivity Fingerprints: ECFP）と組み合わせた方法が、最近開発された手法よりも一貫して優れていることが判明しました。回帰アルゴリズムと分子指紋の詳細な調査では、特にCatBoostを用いた勾配ブースティング決定木が、ECFP、Avalon、ErG指紋の組み合わせおよび200の分子特性と共に使用される場合、最も効果的であることが明らかになりました。グラフニューラルネットワーク指紋を導入することで、さらに性能が向上しました。当モデルは22のTherapeutics Data Commons ADMETベンチマークにおいて成功裏に検証されました。本研究の結果は、より豊かな分子表現が正確な特性予測のために重要であることを強調しています。