Uni-Mol: A Universal 3D Molecular Representation Learning Framework

计算机科学 代表(政治) 限制 变压器 机器学习 人工智能 范围(计算机科学) 训练集 编码(集合论) 三维模型 理论计算机科学 程序设计语言 工程类 政治 电气工程 政治学 电压 集合(抽象数据类型) 机械工程 法学
作者
Gengmo Zhou,Zhifeng Gao,Qiankun Ding,Hang Zheng,Hongteng Xu,Zhewei Wei,Linfeng Zhang,Guolin Ke
标识
DOI:10.26434/chemrxiv-2022-jjm0j-v4
摘要

Molecular representation learning (MRL) has gained tremendous attention due to its critical role in learning from limited supervised data for applications like drug design. In most MRL methods, molecules are treated as 1D sequential tokens or 2D topology graphs, limiting their ability to incorporate 3D information for downstream tasks and, in particular, making it almost impossible for 3D geometry prediction/generation. In this paper, we propose a universal 3D MRL framework, called Uni-Mol, that significantly enlarges the representation ability and application scope of MRL schemes. Uni-Mol contains two pretrained models with the same SE(3) Transformer architecture: a molecular model pretrained by 209M molecular conformations; a pocket model pretrained by 3M candidate protein pocket data. Besides, Uni-Mol contains several finetuning strategies to apply the pretrained models to various downstream tasks. By properly incorporating 3D information, Uni-Mol outperforms SOTA in 14/15 molecular property prediction tasks. Moreover, Uni-Mol achieves superior performance in 3D spatial tasks, including protein-ligand binding pose prediction, molecular conformation generation, etc. The code, model, and data are made publicly available at https://github.com/dptech-corp/Uni-Mol.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刻苦的元风完成签到,获得积分10
1秒前
沸腾鱼健康完成签到,获得积分20
1秒前
2秒前
蟹蟹发布了新的文献求助10
4秒前
韩湘伟发布了新的文献求助10
4秒前
4秒前
qz发布了新的文献求助10
6秒前
小骨完成签到 ,获得积分10
7秒前
畅快沁发布了新的文献求助30
7秒前
8秒前
花花花花完成签到,获得积分10
8秒前
于晨欣发布了新的文献求助10
8秒前
花生豆完成签到,获得积分10
9秒前
搜集达人应助Disguise采纳,获得10
10秒前
11秒前
花花花花发布了新的文献求助10
12秒前
12秒前
科研通AI2S应助刻苦的元风采纳,获得10
12秒前
晨曦完成签到,获得积分10
13秒前
Jadon发布了新的文献求助10
13秒前
zp560完成签到,获得积分10
13秒前
星辰大海应助青黛采纳,获得10
14秒前
直率的凉面完成签到,获得积分10
16秒前
17秒前
PG发布了新的文献求助10
17秒前
19秒前
蟹蟹发布了新的文献求助10
21秒前
852应助斯文尔白采纳,获得10
23秒前
23秒前
风中凡霜完成签到,获得积分10
24秒前
金刚经应助Jadon采纳,获得10
25秒前
JamesPei应助受伤芝麻采纳,获得10
25秒前
风中凡霜发布了新的文献求助10
27秒前
花生豆发布了新的文献求助10
27秒前
zy完成签到 ,获得积分10
27秒前
子川完成签到 ,获得积分10
30秒前
30秒前
执着的一兰完成签到,获得积分10
31秒前
35秒前
蟹蟹发布了新的文献求助10
37秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3195192
求助须知:如何正确求助?哪些是违规求助? 2844065
关于积分的说明 8048190
捐赠科研通 2508518
什么是DOI,文献DOI怎么找? 1340876
科研通“疑难数据库(出版商)”最低求助积分说明 639045
邀请新用户注册赠送积分活动 608013