本記事では、化学物質の構造と生物活性の関係を定量的に評価する手法としてGraphCliffを提案しています。従来の機械学習モデルにおいて、構造的に類似したが機能的には異なる化合物間の大きな活性差を示す「アクティビティクリフ」が、グラフニューラルネットワークの性能を下回る問題を抱えています。GraphCliffは短距離と長距離の情報を統合するゲーティングメカニズムを用いて、分子グラフの構造表現を保持しつつ、両者の区別を向上させることを狙ったモデルです。実験結果により、GraphCliffは、クリフ化合物と非クリフ化合物のいずれにおいても一貫して優れたパフォーマンスを示すことが確認され、層ごとのノード埋め込み分析では、過剰平滑化の軽減と強力なベースラインモデルに対する識別力の向上が示されました。