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
文静的峻熙完成签到,获得积分10
1秒前
秦波完成签到,获得积分10
1秒前
YY发布了新的文献求助10
2秒前
Jasper应助称心的映之采纳,获得10
2秒前
赘婿应助拼搏听寒采纳,获得10
2秒前
3秒前
隐形曼青应助aleph采纳,获得10
4秒前
cc完成签到,获得积分10
7秒前
听过箭头湖吗?完成签到,获得积分10
7秒前
xh完成签到,获得积分10
8秒前
8秒前
孙友浩发布了新的文献求助10
8秒前
辣辣完成签到,获得积分10
9秒前
9秒前
10秒前
Akim应助volvoamg采纳,获得10
10秒前
大个应助张张赶紧看文献采纳,获得10
11秒前
songsssssj完成签到 ,获得积分10
11秒前
桐桐应助六一啊六一采纳,获得10
12秒前
lglalex完成签到,获得积分20
12秒前
guoyuheng完成签到,获得积分10
12秒前
12秒前
dafhluih发布了新的文献求助10
14秒前
孙友浩完成签到,获得积分10
15秒前
可爱的函函应助戈天奇采纳,获得10
15秒前
隐形听白完成签到,获得积分20
16秒前
Inanopig完成签到,获得积分10
16秒前
16秒前
lglalex发布了新的文献求助10
17秒前
18秒前
18秒前
bamboo完成签到,获得积分10
19秒前
852应助volvoamg采纳,获得10
20秒前
L123发布了新的文献求助10
21秒前
半缘君发布了新的文献求助10
21秒前
Franky发布了新的文献求助10
24秒前
xy完成签到 ,获得积分10
25秒前
25秒前
黄晓杰2024完成签到 ,获得积分10
29秒前
punch完成签到 ,获得积分10
30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
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3182829
求助须知:如何正确求助?哪些是违规求助? 2832989
关于积分的说明 7991986
捐赠科研通 2495147
什么是DOI,文献DOI怎么找? 1331321
科研通“疑难数据库(出版商)”最低求助积分说明 636271
邀请新用户注册赠送积分活动 603328