清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

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
wangsai0532完成签到,获得积分10
37秒前
53秒前
曾经枫发布了新的文献求助10
57秒前
jerry完成签到 ,获得积分10
1分钟前
自由飞翔完成签到 ,获得积分10
1分钟前
vbnn完成签到 ,获得积分10
2分钟前
科研通AI2S应助宇文雨文采纳,获得30
2分钟前
creep2020完成签到,获得积分10
3分钟前
fairy发布了新的文献求助30
3分钟前
所所应助珍奇采纳,获得10
3分钟前
风一样的我完成签到,获得积分10
4分钟前
自然的含蕾完成签到 ,获得积分10
4分钟前
4分钟前
slzhao发布了新的文献求助10
4分钟前
4分钟前
宇文雨文完成签到,获得积分10
4分钟前
斯文败类应助曾经枫采纳,获得10
5分钟前
kuyi完成签到 ,获得积分10
5分钟前
鱼在咸水里折腾完成签到 ,获得积分10
5分钟前
6分钟前
珍奇完成签到,获得积分20
6分钟前
珍奇发布了新的文献求助10
6分钟前
大模型应助科研通管家采纳,获得80
7分钟前
dormraider完成签到,获得积分10
7分钟前
Alvin完成签到 ,获得积分10
7分钟前
cy0824完成签到 ,获得积分10
8分钟前
9分钟前
曾经枫发布了新的文献求助10
9分钟前
小二郎应助曾经枫采纳,获得10
9分钟前
李健的小迷弟应助fsznc采纳,获得10
10分钟前
鑫鑫完成签到 ,获得积分10
10分钟前
实力不允许完成签到 ,获得积分10
10分钟前
单薄松鼠完成签到 ,获得积分10
10分钟前
可爱慕卉应助科研通管家采纳,获得10
11分钟前
星辰大海应助fsznc采纳,获得10
11分钟前
ybwei2008_163完成签到,获得积分20
11分钟前
研友_VZG7GZ应助sailingluwl采纳,获得10
12分钟前
千倾完成签到 ,获得积分10
13分钟前
hwen1998完成签到 ,获得积分10
13分钟前
13分钟前
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
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3196831
求助须知:如何正确求助?哪些是违规求助? 2845494
关于积分的说明 8054280
捐赠科研通 2510132
什么是DOI,文献DOI怎么找? 1342278
科研通“疑难数据库(出版商)”最低求助积分说明 639355
邀请新用户注册赠送积分活动 608669