亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

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
Zhaoyuemeng发布了新的文献求助10
3秒前
8秒前
10秒前
爱坤坤发布了新的文献求助10
14秒前
充电宝应助爱坤坤采纳,获得30
19秒前
21秒前
25秒前
Dsivan完成签到,获得积分10
25秒前
25秒前
白华苍松发布了新的文献求助10
29秒前
callmekar发布了新的文献求助10
29秒前
西西弗斯发布了新的文献求助10
30秒前
壮观的访枫发布了新的文献求助100
32秒前
34秒前
西西弗斯完成签到,获得积分10
35秒前
爱坤坤发布了新的文献求助30
39秒前
Wingshuohuo发布了新的文献求助30
44秒前
orixero应助爱坤坤采纳,获得10
47秒前
壮观的访枫完成签到,获得积分10
49秒前
Wingshuohuo发布了新的文献求助30
58秒前
kid1912应助callmekar采纳,获得10
59秒前
1分钟前
爱坤坤发布了新的文献求助10
1分钟前
xianyaoz完成签到 ,获得积分10
1分钟前
甜橙完成签到 ,获得积分10
1分钟前
Wingshuohuo发布了新的文献求助10
1分钟前
Minerva完成签到,获得积分20
1分钟前
1分钟前
Wilson完成签到 ,获得积分10
1分钟前
1分钟前
Wingshuohuo发布了新的文献求助10
1分钟前
Aimee完成签到 ,获得积分10
1分钟前
chong0919发布了新的文献求助10
1分钟前
Wingshuohuo发布了新的文献求助10
2分钟前
2分钟前
剑逍遥完成签到 ,获得积分10
2分钟前
刘珍荣完成签到 ,获得积分10
2分钟前
2分钟前
2分钟前
清爽幼枫完成签到,获得积分10
2分钟前
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 3192537
求助须知:如何正确求助?哪些是违规求助? 2841623
关于积分的说明 8034285
捐赠科研通 2505272
什么是DOI,文献DOI怎么找? 1338470
科研通“疑难数据库(出版商)”最低求助积分说明 638351
邀请新用户注册赠送积分活动 606895