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
无辜的行云完成签到 ,获得积分0
31秒前
zijingsy完成签到 ,获得积分10
58秒前
DJ_Tokyo完成签到,获得积分10
1分钟前
skier发布了新的文献求助10
1分钟前
柠柚萌不萌完成签到 ,获得积分10
1分钟前
健忘捕完成签到 ,获得积分10
1分钟前
hongt05完成签到 ,获得积分10
1分钟前
沙海沉戈完成签到,获得积分0
2分钟前
四叶草完成签到 ,获得积分10
2分钟前
2分钟前
iberis完成签到 ,获得积分10
2分钟前
LELE完成签到 ,获得积分10
2分钟前
宝宝发布了新的文献求助10
2分钟前
如意2023完成签到 ,获得积分10
2分钟前
sunflower完成签到,获得积分0
2分钟前
莫冰雪完成签到 ,获得积分10
2分钟前
2分钟前
wpj发布了新的文献求助10
2分钟前
ybwei2008_163完成签到,获得积分20
3分钟前
xiaogang127完成签到 ,获得积分10
3分钟前
lixuebin完成签到 ,获得积分10
3分钟前
zai完成签到 ,获得积分10
3分钟前
熊仔一百完成签到 ,获得积分10
4分钟前
WN关闭了WN文献求助
4分钟前
小贾爱喝冰美式完成签到 ,获得积分20
4分钟前
学术完成签到 ,获得积分10
4分钟前
彩色的芷容完成签到 ,获得积分10
4分钟前
lanxinge完成签到 ,获得积分10
4分钟前
张大星完成签到 ,获得积分10
4分钟前
WN完成签到,获得积分10
5分钟前
WN发布了新的文献求助10
5分钟前
打打应助skier采纳,获得10
5分钟前
5分钟前
skier完成签到,获得积分20
5分钟前
sobergod完成签到 ,获得积分10
5分钟前
skier发布了新的文献求助10
5分钟前
翟翟发布了新的文献求助10
5分钟前
wpj发布了新的文献求助200
5分钟前
oaoalaa完成签到 ,获得积分10
6分钟前
高海龙完成签到 ,获得积分10
6分钟前
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 3192690
求助须知:如何正确求助?哪些是违规求助? 2841716
关于积分的说明 8034560
捐赠科研通 2505415
什么是DOI,文献DOI怎么找? 1338545
科研通“疑难数据库(出版商)”最低求助积分说明 638372
邀请新用户注册赠送积分活动 606929