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
刚刚
刚刚
ann完成签到,获得积分10
刚刚
葵葵发布了新的文献求助50
刚刚
今后应助迅速孤容采纳,获得10
1秒前
zz完成签到 ,获得积分10
1秒前
努力努力再努力完成签到,获得积分10
1秒前
1秒前
科研通AI2S应助小宇子采纳,获得10
3秒前
3秒前
桐桐应助美美熊采纳,获得10
5秒前
小醒发布了新的文献求助10
5秒前
6秒前
6秒前
研友_VZG7GZ应助大猫采纳,获得10
7秒前
在阳光下完成签到 ,获得积分10
7秒前
闵玧其发布了新的文献求助10
8秒前
chrissylaiiii完成签到,获得积分20
8秒前
8秒前
zxt应助Xii采纳,获得10
8秒前
8秒前
Sandy发布了新的文献求助10
8秒前
霸王花cc发布了新的文献求助20
9秒前
young发布了新的文献求助10
9秒前
9秒前
蟹蟹发布了新的文献求助10
10秒前
棉花糖发布了新的文献求助10
11秒前
12秒前
深情安青应助阔达的扬采纳,获得10
12秒前
Stacey发布了新的文献求助10
13秒前
13秒前
求知的周发布了新的文献求助50
14秒前
复杂觅海发布了新的文献求助10
14秒前
打打应助咪咪不吃糖采纳,获得10
15秒前
15秒前
sjxbjrndkd完成签到 ,获得积分10
15秒前
16秒前
17秒前
Orange应助Sandy采纳,获得10
17秒前
17秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3195476
求助须知:如何正确求助?哪些是违规求助? 2844273
关于积分的说明 8049684
捐赠科研通 2509006
什么是DOI,文献DOI怎么找? 1341282
科研通“疑难数据库(出版商)”最低求助积分说明 639116
邀请新用户注册赠送积分活动 608214