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
insissst发布了新的文献求助10
刚刚
CipherSage应助threewater采纳,获得10
3秒前
漂亮妙柏完成签到,获得积分10
4秒前
4秒前
Humble完成签到,获得积分10
6秒前
6秒前
不安的裘完成签到,获得积分10
8秒前
8秒前
8秒前
9秒前
华仔应助ZYY采纳,获得30
9秒前
852发布了新的文献求助20
11秒前
范小小发布了新的文献求助10
11秒前
toxin37发布了新的文献求助10
12秒前
Amon完成签到 ,获得积分10
15秒前
子健完成签到,获得积分10
16秒前
17秒前
18秒前
zhoup发布了新的文献求助20
18秒前
18秒前
qsh发布了新的文献求助10
20秒前
游a发布了新的文献求助30
21秒前
南风完成签到,获得积分20
21秒前
样样子完成签到,获得积分10
23秒前
慕青应助dididodo采纳,获得10
24秒前
26秒前
六清完成签到,获得积分10
26秒前
彭于晏应助tiantian采纳,获得10
27秒前
Hello应助sci_zt采纳,获得10
27秒前
tata0215完成签到 ,获得积分10
28秒前
30秒前
oligo完成签到 ,获得积分10
30秒前
五月初夏完成签到,获得积分10
31秒前
32秒前
YifanWang应助游a采纳,获得30
33秒前
ml发布了新的文献求助10
34秒前
qsh完成签到,获得积分10
37秒前
37秒前
桐桐应助杨仔采纳,获得10
38秒前
健忘书兰发布了新的文献求助10
38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 3184696
求助须知:如何正确求助?哪些是违规求助? 2834971
关于积分的说明 8002491
捐赠科研通 2497387
什么是DOI,文献DOI怎么找? 1332822
科研通“疑难数据库(出版商)”最低求助积分说明 636685
邀请新用户注册赠送积分活动 604068