Csak a szén, hidrogén, nitrogén, oxigén, kén, foszfor, klór, bróm és fluor atomok felhasználásával összesen 10^26 darab különböző gyógyszerszerű vegyület építhető. Ha naponta meg tudnánk vizsgálni egymillió vegyület biológiai hatását, akkor is több, mint 10^53 évet venne igénybe a teljes kémiai tér vizsgálata. Világos, hogy a teljes teret átvizsgálni lehetetlen feladat, ezért szükség van olyan módszerekre, amelyek segítenek meghatározni, mely vegyületekkel érdemes foglalkozni és melyekkel nem. Szerencsére a kísérletek kimeneteleit tartalmazó kémiai adatbázisok száma és mérete töretlenül növekszik. Ez a növekedés tette lehetővé a QSAR modellek elterjedését és könnyen lehet, hogy ez a növekedés teszi majd lehetővé az orvostudomány számos területén már sikerrel alkalmazott mélytanuló módszerek hatékonyabbá válását is. Dolgozatom célja egyrészt egy már meglévő, mély tanulást használó eszköznek, a DeepChemnek a bemutatása, másrészt pedig egy új, képfeldolgozáson alapuló módszer kidolgozása és összehasonlítása az előbb említett eszközzel.