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
小二郎应助科研通管家采纳,获得10
刚刚
yyymmma应助科研通管家采纳,获得10
刚刚
所所应助科研通管家采纳,获得10
刚刚
李爱国应助科研通管家采纳,获得10
刚刚
刚刚
大个应助飘雪长弓采纳,获得10
1秒前
Tuan发布了新的文献求助10
2秒前
Sherry完成签到,获得积分10
2秒前
八块腹肌发布了新的文献求助10
2秒前
CodeCraft应助zzp采纳,获得10
3秒前
农学博士后完成签到,获得积分10
3秒前
安夏青完成签到,获得积分10
3秒前
若酒发布了新的文献求助30
3秒前
4秒前
腾腾腾发布了新的文献求助10
4秒前
念芹发布了新的文献求助10
4秒前
wwhdream完成签到,获得积分10
4秒前
和平小鸽完成签到,获得积分10
4秒前
4秒前
aertom完成签到,获得积分10
4秒前
5秒前
JM小潘发布了新的文献求助10
5秒前
6秒前
小明完成签到,获得积分10
6秒前
6秒前
6秒前
樱桃猴子应助自然冬易采纳,获得20
6秒前
Tuan完成签到,获得积分20
6秒前
luyuhao3发布了新的文献求助100
7秒前
yanyimeng完成签到 ,获得积分10
7秒前
激情的歌曲完成签到,获得积分10
7秒前
8秒前
xiaozeng发布了新的文献求助10
8秒前
无心的行云完成签到,获得积分10
8秒前
9秒前
犹豫嚣发布了新的文献求助10
9秒前
Hysen_L完成签到,获得积分10
9秒前
10秒前
10秒前
八块腹肌完成签到,获得积分10
10秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
AI-Driven Alzheimer's Disease Detection and Prediction 300
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 3193217
求助须知:如何正确求助?哪些是违规求助? 2842229
关于积分的说明 8038367
捐赠科研通 2506160
什么是DOI,文献DOI怎么找? 1338995
科研通“疑难数据库(出版商)”最低求助积分说明 638572
邀请新用户注册赠送积分活动 607111