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
1秒前
我不到啊完成签到,获得积分10
1秒前
2秒前
2秒前
华仔应助小辞芙芙采纳,获得30
2秒前
小唐完成签到,获得积分10
2秒前
2秒前
爱炸鸡也爱烧烤完成签到 ,获得积分10
2秒前
3秒前
fttttt完成签到,获得积分10
4秒前
尊敬曼岚完成签到,获得积分10
4秒前
恋晴完成签到 ,获得积分10
5秒前
Escanor应助cg采纳,获得10
5秒前
6秒前
寻道图强应助糖炒栗子采纳,获得30
6秒前
可以发布了新的文献求助10
6秒前
盛夏之末发布了新的文献求助10
7秒前
7秒前
7秒前
肉松完成签到,获得积分10
7秒前
8秒前
fttttt发布了新的文献求助10
9秒前
聪明无敌小腚宝完成签到,获得积分10
9秒前
秦傲晴发布了新的文献求助10
11秒前
酷波er应助。.。采纳,获得10
12秒前
执着采波完成签到,获得积分20
13秒前
bob发布了新的文献求助30
13秒前
14秒前
呼延炳完成签到 ,获得积分10
15秒前
在水一方应助zhang183clue采纳,获得10
16秒前
yuejian完成签到,获得积分10
18秒前
bofu发布了新的文献求助10
20秒前
21秒前
22秒前
盛夏完成签到,获得积分10
22秒前
22秒前
25秒前
WUUU发布了新的文献求助10
26秒前
天天快乐应助科研通管家采纳,获得10
26秒前
深情安青应助科研通管家采纳,获得10
27秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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 3187833
求助须知:如何正确求助?哪些是违规求助? 2837548
关于积分的说明 8015576
捐赠科研通 2500164
什么是DOI,文献DOI怎么找? 1334775
科研通“疑难数据库(出版商)”最低求助积分说明 637295
邀请新用户注册赠送积分活动 605251