已入深夜,您辛苦了!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!祝你早点完成任务,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
lily发布了新的文献求助10
2秒前
3秒前
5秒前
彭于晏应助半截神经病采纳,获得10
6秒前
7秒前
8秒前
科研通AI2S应助xi采纳,获得10
9秒前
10秒前
13秒前
南风吹梦完成签到,获得积分10
14秒前
15秒前
星月完成签到 ,获得积分10
16秒前
游舒平发布了新的文献求助10
16秒前
18秒前
18秒前
20秒前
20秒前
WangSir完成签到,获得积分20
21秒前
22秒前
22秒前
秋蚓完成签到 ,获得积分10
23秒前
24秒前
linlang发布了新的文献求助10
25秒前
vienna0722发布了新的文献求助10
25秒前
sjyu1985发布了新的文献求助10
27秒前
lily完成签到,获得积分10
27秒前
33秒前
韩月发布了新的文献求助10
35秒前
丘比特应助俏皮的奎采纳,获得10
36秒前
36秒前
37秒前
研友_xnEOX8发布了新的文献求助10
39秒前
41秒前
哈哈哈发布了新的文献求助10
41秒前
丘比特应助小半采纳,获得10
42秒前
43秒前
Xx发布了新的文献求助10
44秒前
科研通AI2S应助333333采纳,获得10
45秒前
linlang完成签到,获得积分10
47秒前
Ava应助科研通管家采纳,获得10
50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 3183462
求助须知:如何正确求助?哪些是违规求助? 2833489
关于积分的说明 7994628
捐赠科研通 2495777
什么是DOI,文献DOI怎么找? 1331660
科研通“疑难数据库(出版商)”最低求助积分说明 636387
邀请新用户注册赠送积分活动 603536