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
福尔摩曦完成签到,获得积分10
1秒前
Escanor完成签到,获得积分10
2秒前
2秒前
饕餮完成签到,获得积分10
2秒前
独特谷丝完成签到,获得积分10
2秒前
Kenny完成签到,获得积分10
2秒前
不配.应助动听丹妗采纳,获得20
2秒前
sun完成签到,获得积分10
3秒前
玉衡完成签到,获得积分10
3秒前
4秒前
浩瀚完成签到 ,获得积分10
5秒前
Li完成签到 ,获得积分10
5秒前
希望天下0贩的0应助Yulin Yu采纳,获得10
5秒前
5秒前
Ava应助dawn采纳,获得10
5秒前
tursun完成签到,获得积分10
5秒前
6秒前
猫的树发布了新的文献求助10
6秒前
。。完成签到 ,获得积分10
6秒前
7秒前
8秒前
真难啊完成签到,获得积分10
8秒前
8秒前
结实的文轩完成签到,获得积分10
8秒前
TSG完成签到,获得积分10
9秒前
复杂含灵发布了新的文献求助10
10秒前
温风萤完成签到 ,获得积分10
10秒前
zy完成签到,获得积分10
10秒前
123完成签到,获得积分10
10秒前
juanlin2011发布了新的文献求助10
10秒前
hhhhzzzz发布了新的文献求助10
11秒前
英姑应助瘦瘦的傲芙采纳,获得10
11秒前
科研通AI2S应助顾昭采纳,获得10
12秒前
Anna-crystal完成签到,获得积分10
12秒前
一禅完成签到 ,获得积分10
12秒前
12秒前
协和_子鱼发布了新的文献求助10
13秒前
海绵宝宝完成签到,获得积分10
13秒前
正直的冷雁完成签到,获得积分20
13秒前
nimonimo完成签到,获得积分20
14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
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
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 3193012
求助须知:如何正确求助?哪些是违规求助? 2842055
关于积分的说明 8037114
捐赠科研通 2505918
什么是DOI,文献DOI怎么找? 1338749
科研通“疑难数据库(出版商)”最低求助积分说明 638526
邀请新用户注册赠送积分活动 607034