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
英姑应助友好凌柏采纳,获得30
1秒前
wh完成签到,获得积分10
1秒前
1秒前
1秒前
建立完成签到,获得积分10
1秒前
FashionBoy应助SONG采纳,获得10
2秒前
李健的小迷弟应助lijingwen采纳,获得10
3秒前
魔幻若山发布了新的文献求助10
4秒前
tutu发布了新的文献求助10
6秒前
乔心发布了新的文献求助10
6秒前
7秒前
7秒前
zzzzzzy完成签到,获得积分10
9秒前
图图发布了新的文献求助10
9秒前
希望天下0贩的0应助hhc采纳,获得10
9秒前
10秒前
12秒前
12秒前
后来发布了新的文献求助10
13秒前
NexusExplorer应助宇文听南采纳,获得10
14秒前
小包子发布了新的文献求助10
14秒前
lijingwen发布了新的文献求助10
16秒前
wanci应助乔心采纳,获得10
16秒前
友好凌柏发布了新的文献求助30
16秒前
zx发布了新的文献求助10
16秒前
17秒前
18秒前
20秒前
过儿完成签到,获得积分10
20秒前
20秒前
qzs完成签到,获得积分10
21秒前
22秒前
22秒前
小二郎应助负负采纳,获得10
22秒前
爱静静应助cageling采纳,获得10
22秒前
23秒前
zzzzzzy发布了新的文献求助10
24秒前
薰硝壤应助朴实凝阳采纳,获得150
24秒前
okkk发布了新的文献求助10
25秒前
25秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
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 3182271
求助须知:如何正确求助?哪些是违规求助? 2832628
关于积分的说明 7990104
捐赠科研通 2494690
什么是DOI,文献DOI怎么找? 1330907
科研通“疑难数据库(出版商)”最低求助积分说明 636181
邀请新用户注册赠送积分活动 603114