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
36456657应助科研通管家采纳,获得10
刚刚
JamesPei应助科研通管家采纳,获得10
1秒前
1秒前
1秒前
1秒前
1秒前
Dr-Luo发布了新的文献求助10
1秒前
bkagyin应助宇少爱学习哟采纳,获得10
1秒前
2秒前
jason完成签到,获得积分10
2秒前
3秒前
顾矜应助冷cool采纳,获得10
4秒前
4秒前
5秒前
安详怀蕾发布了新的文献求助20
6秒前
澡雪发布了新的文献求助20
7秒前
yy-完成签到,获得积分10
7秒前
LU完成签到 ,获得积分10
8秒前
8秒前
123完成签到,获得积分10
8秒前
9秒前
wang发布了新的文献求助10
10秒前
英姑应助zbw采纳,获得10
10秒前
xuqiansd发布了新的文献求助10
10秒前
深情安青应助kk采纳,获得10
11秒前
爆米花应助Sten采纳,获得20
12秒前
不配.应助霸气秀采纳,获得20
12秒前
龙歪歪完成签到 ,获得积分10
13秒前
安详怀蕾完成签到,获得积分10
14秒前
Zooey旎旎完成签到,获得积分10
14秒前
彭于晏应助小小雨泪采纳,获得10
15秒前
16秒前
17秒前
Owen应助width采纳,获得10
17秒前
杳鸢应助鳗鱼落雁采纳,获得10
19秒前
wang完成签到,获得积分10
19秒前
持之以恒发布了新的文献求助10
21秒前
Zion完成签到,获得积分0
25秒前
26秒前
28秒前
高分求助中
Evolution 3rd edition 1500
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
Ribozymes and aptamers in the RNA world, and in synthetic biology 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 3180952
求助须知:如何正确求助?哪些是违规求助? 2831093
关于积分的说明 7983278
捐赠科研通 2493095
什么是DOI,文献DOI怎么找? 1329977
科研通“疑难数据库(出版商)”最低求助积分说明 635872
版权声明 602954