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
1秒前
1秒前
hzauhzau发布了新的文献求助10
1秒前
随机子应助葳蕤苍生采纳,获得10
1秒前
grace发布了新的文献求助10
1秒前
6ulu完成签到,获得积分10
1秒前
LXY发布了新的文献求助10
2秒前
美好斓发布了新的文献求助10
2秒前
从容甜瓜发布了新的文献求助10
2秒前
在水一方应助banimadao采纳,获得10
4秒前
小马甲应助武昂王采纳,获得10
4秒前
可爱的函函应助tigger采纳,获得10
5秒前
顾矜应助Ll采纳,获得10
5秒前
5秒前
李海平完成签到 ,获得积分10
6秒前
周凡淇发布了新的文献求助10
6秒前
马婷婷完成签到,获得积分20
6秒前
zz发布了新的文献求助10
7秒前
Lucas应助鱼小汤圆采纳,获得10
7秒前
8秒前
优美芷蝶发布了新的文献求助10
8秒前
星辰大海应助grace采纳,获得10
10秒前
SuperFAN发布了新的文献求助10
10秒前
11秒前
YUN完成签到,获得积分10
12秒前
12秒前
Dallas发布了新的文献求助10
12秒前
随机子应助yuanyuan采纳,获得10
12秒前
12秒前
曾经的依风发布了新的文献求助200
14秒前
14秒前
顺利的若灵完成签到,获得积分10
14秒前
Artorias发布了新的文献求助10
15秒前
15秒前
zrx15986完成签到,获得积分10
15秒前
16秒前
lm完成签到,获得积分10
16秒前
runner完成签到,获得积分10
17秒前
17秒前
所所应助科研通管家采纳,获得10
17秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
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 3181753
求助须知:如何正确求助?哪些是违规求助? 2832076
关于积分的说明 7987660
捐赠科研通 2493961
什么是DOI,文献DOI怎么找? 1330560
科研通“疑难数据库(出版商)”最低求助积分说明 635984
版权声明 602955