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
二一而已发布了新的文献求助10
刚刚
小火锅发布了新的文献求助30
刚刚
刚刚
李建勋发布了新的文献求助10
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
wanci应助科研通管家采纳,获得10
2秒前
一一应助科研通管家采纳,获得10
2秒前
糖糖应助科研通管家采纳,获得10
2秒前
2秒前
3秒前
炙热的远侵完成签到,获得积分20
3秒前
蕾蕾子发布了新的文献求助10
3秒前
甜甜圈发布了新的文献求助10
4秒前
Elva完成签到,获得积分10
5秒前
天马行空完成签到,获得积分10
6秒前
7秒前
7秒前
下雨发布了新的文献求助10
8秒前
10秒前
Jiang完成签到,获得积分10
11秒前
健壮雪冥完成签到,获得积分10
11秒前
11秒前
万能图书馆应助蜘蛛侠888采纳,获得10
11秒前
12秒前
科研通AI2S应助乔宝采纳,获得10
13秒前
15秒前
16秒前
18秒前
Vicente发布了新的文献求助10
18秒前
完美世界应助tsy采纳,获得10
20秒前
bommi发布了新的文献求助10
21秒前
科目三应助阔达的棒棒糖采纳,获得10
21秒前
天马行空发布了新的文献求助20
22秒前
乐观又晴完成签到,获得积分20
22秒前
geg完成签到,获得积分10
22秒前
23秒前
可爱完成签到 ,获得积分10
23秒前
聪明的一德完成签到,获得积分10
24秒前
蜘蛛侠888发布了新的文献求助10
24秒前
25秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3199513
求助须知:如何正确求助?哪些是违规求助? 2848245
关于积分的说明 8067180
捐赠科研通 2512994
什么是DOI,文献DOI怎么找? 1345277
科研通“疑难数据库(出版商)”最低求助积分说明 640036
邀请新用户注册赠送积分活动 609718