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
雨淋沐风发布了新的文献求助10
刚刚
ardejiang发布了新的文献求助10
1秒前
VDC应助皮卡皮卡采纳,获得10
2秒前
终生学习老张头完成签到,获得积分20
6秒前
7秒前
lalala完成签到,获得积分10
7秒前
传奇3应助月亮夏的夏采纳,获得10
8秒前
阿袁宝贝完成签到,获得积分10
9秒前
Ava应助内向的幼珊采纳,获得10
9秒前
lufia发布了新的文献求助10
9秒前
汉堡包应助agnessh采纳,获得10
10秒前
puddin不困发布了新的文献求助10
10秒前
11秒前
12秒前
12秒前
zhangn090完成签到,获得积分10
13秒前
汉堡包应助狂野芷卉采纳,获得10
13秒前
lalala发布了新的文献求助10
13秒前
Owen应助武雨寒采纳,获得10
14秒前
14秒前
14秒前
徐栩栩发布了新的文献求助10
15秒前
zrc完成签到,获得积分10
15秒前
15秒前
17秒前
追寻发夹发布了新的文献求助10
17秒前
杨默完成签到,获得积分10
17秒前
家迎松完成签到,获得积分10
17秒前
19秒前
dafhluih发布了新的文献求助10
19秒前
ardejiang发布了新的文献求助10
20秒前
20秒前
云魂完成签到,获得积分10
21秒前
李健应助nancy张小嘿采纳,获得10
22秒前
22秒前
22秒前
22秒前
Masaccy完成签到,获得积分10
23秒前
共享精神应助不安小蝴蝶采纳,获得10
23秒前
24秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
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 3191909
求助须知:如何正确求助?哪些是违规求助? 2841266
关于积分的说明 8032079
捐赠科研通 2504698
什么是DOI,文献DOI怎么找? 1337987
科研通“疑难数据库(出版商)”最低求助积分说明 638227
邀请新用户注册赠送积分活动 606748