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
刚刚
刚刚
GZY完成签到,获得积分10
1秒前
暴暴233发布了新的文献求助10
2秒前
2秒前
Jeannie发布了新的文献求助10
3秒前
Victoria发布了新的文献求助10
3秒前
beizi完成签到,获得积分10
3秒前
yumiao发布了新的文献求助10
3秒前
4秒前
wanci应助橘子爱吃芒果采纳,获得10
4秒前
李健应助青豆采纳,获得10
4秒前
5秒前
6秒前
llllhh完成签到,获得积分10
7秒前
蟹蟹发布了新的文献求助10
9秒前
毛毛虫发布了新的文献求助10
9秒前
9秒前
劲秉应助李喜喜采纳,获得10
9秒前
财来完成签到 ,获得积分10
10秒前
10秒前
tanstar27完成签到 ,获得积分10
10秒前
哈密发布了新的文献求助10
11秒前
轻松的天真完成签到,获得积分10
11秒前
11秒前
11秒前
烦烦完成签到,获得积分10
11秒前
紫愿完成签到 ,获得积分10
12秒前
朴实安珊完成签到,获得积分20
13秒前
科研通AI2S应助依然的风暴采纳,获得10
13秒前
珠珠崽子完成签到 ,获得积分10
13秒前
雨花花完成签到,获得积分10
14秒前
爱笑的妙松完成签到,获得积分10
14秒前
赧然一笑发布了新的文献求助10
14秒前
郭二发布了新的文献求助10
14秒前
Escanor应助superlkz采纳,获得20
14秒前
毛毛虫完成签到,获得积分10
15秒前
15秒前
科研通AI2S应助蟹蟹采纳,获得10
15秒前
朴实安珊发布了新的文献求助10
15秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Femoral insertion of the ACL. Radiographic quadrant method 1000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
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 3194506
求助须知:如何正确求助?哪些是违规求助? 2843387
关于积分的说明 8044866
捐赠科研通 2507856
什么是DOI,文献DOI怎么找? 1340237
科研通“疑难数据库(出版商)”最低求助积分说明 638902
邀请新用户注册赠送积分活动 607780