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
橙汁完成签到,获得积分10
刚刚
刚刚
米莉森的锋刃完成签到,获得积分10
1秒前
科研民工Jay完成签到,获得积分10
1秒前
CCC完成签到 ,获得积分10
3秒前
3秒前
5秒前
缥缈的一刀完成签到,获得积分10
5秒前
6秒前
monere发布了新的文献求助10
6秒前
7秒前
李贝宁完成签到 ,获得积分10
9秒前
10秒前
SciGPT应助ymq156采纳,获得10
11秒前
yoyo20012623完成签到,获得积分10
11秒前
lybcrystal发布了新的文献求助10
11秒前
英姑应助是小明啦采纳,获得10
12秒前
黑布林大李子完成签到,获得积分0
12秒前
Akim应助高兴曼寒采纳,获得10
12秒前
CipherSage应助shiqiyu采纳,获得10
13秒前
13秒前
四天垂完成签到 ,获得积分10
13秒前
FashionBoy应助monere采纳,获得10
13秒前
酢浆草小熊完成签到 ,获得积分10
14秒前
JamesPei应助wangayting采纳,获得10
15秒前
Hellowa完成签到,获得积分10
15秒前
16秒前
Lyric_完成签到,获得积分10
18秒前
熊熊之火发布了新的文献求助10
20秒前
充电宝应助tt采纳,获得10
20秒前
CCC完成签到 ,获得积分10
21秒前
22秒前
高兴曼寒完成签到,获得积分20
22秒前
诸葛翼德完成签到,获得积分10
25秒前
26秒前
大仙完成签到,获得积分10
27秒前
klb13应助科研通管家采纳,获得10
28秒前
乐乐应助科研通管家采纳,获得10
28秒前
28秒前
科研通AI2S应助科研通管家采纳,获得10
28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 3187521
求助须知:如何正确求助?哪些是违规求助? 2837354
关于积分的说明 8014541
捐赠科研通 2499980
什么是DOI,文献DOI怎么找? 1334671
科研通“疑难数据库(出版商)”最低求助积分说明 637231
邀请新用户注册赠送积分活动 605199