亲爱的研友该休息了!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,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

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
阿良发布了新的文献求助50
3秒前
9秒前
April完成签到 ,获得积分10
9秒前
坚强迎夏发布了新的文献求助10
14秒前
16秒前
ferrycake应助有人采纳,获得20
18秒前
26秒前
快乐的若灵完成签到 ,获得积分10
37秒前
39秒前
阿良完成签到,获得积分10
49秒前
那奇泡芙完成签到,获得积分10
57秒前
58秒前
殷勤的语柳关注了科研通微信公众号
58秒前
早早早完成签到,获得积分10
1分钟前
Raunio完成签到,获得积分10
1分钟前
fly发布了新的文献求助30
1分钟前
1分钟前
脑洞疼应助fly采纳,获得50
1分钟前
1分钟前
ste56完成签到,获得积分10
1分钟前
1分钟前
2分钟前
2分钟前
邓力发布了新的文献求助10
2分钟前
2分钟前
邓力发布了新的文献求助10
2分钟前
2分钟前
追寻绮玉发布了新的文献求助10
3分钟前
3分钟前
zzh发布了新的文献求助10
3分钟前
汤万天完成签到,获得积分10
3分钟前
3分钟前
笙璃完成签到 ,获得积分10
3分钟前
赘婿应助科研通管家采纳,获得10
3分钟前
深情安青应助科研通管家采纳,获得10
3分钟前
寻道图强应助科研通管家采纳,获得60
3分钟前
不配.应助有人采纳,获得20
3分钟前
3分钟前
李健的粉丝团团长应助zzh采纳,获得10
3分钟前
有人给淡定秀发的求助进行了留言
3分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
2024 Medicinal Chemistry Reviews 400
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 3200672
求助须知:如何正确求助?哪些是违规求助? 2850471
关于积分的说明 8072129
捐赠科研通 2514230
什么是DOI,文献DOI怎么找? 1346954
科研通“疑难数据库(出版商)”最低求助积分说明 640303
邀请新用户注册赠送积分活动 610411