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
afaf完成签到,获得积分10
1秒前
xrb完成签到,获得积分10
1秒前
Sekiro发布了新的文献求助10
1秒前
呱呱蛙发布了新的文献求助10
4秒前
羊羊羊完成签到,获得积分10
5秒前
失梦恋卿发布了新的文献求助10
6秒前
6秒前
过时的电灯胆完成签到 ,获得积分10
8秒前
maction应助互助遵法尚德采纳,获得10
8秒前
9秒前
shinysparrow应助闾丘翠琴采纳,获得200
9秒前
dgfhg完成签到,获得积分20
12秒前
酷波er应助galvin采纳,获得10
12秒前
李健的小迷弟应助少夫人采纳,获得10
13秒前
狗妹那塞完成签到,获得积分10
14秒前
顺利毕业完成签到,获得积分10
15秒前
小王发布了新的文献求助10
15秒前
熊蕾发布了新的文献求助10
16秒前
19秒前
19秒前
橙子慢慢来完成签到,获得积分10
20秒前
20秒前
wwwteng呀完成签到,获得积分10
22秒前
xhl发布了新的文献求助10
23秒前
23秒前
北陌完成签到,获得积分10
23秒前
科研通AI2S应助xrb采纳,获得10
25秒前
Lizhui发布了新的文献求助10
27秒前
Charon完成签到,获得积分10
29秒前
29秒前
田様应助crabcrab29采纳,获得10
31秒前
ampm完成签到 ,获得积分10
32秒前
求是发布了新的文献求助10
32秒前
wuludie应助闾丘翠琴采纳,获得10
34秒前
晚风完成签到 ,获得积分20
36秒前
SciGPT应助缥缈芷珍采纳,获得10
36秒前
36秒前
盏盏完成签到,获得积分10
37秒前
38秒前
盏盏发布了新的文献求助10
41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
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
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 3193752
求助须知:如何正确求助?哪些是违规求助? 2842787
关于积分的说明 8040747
捐赠科研通 2506857
什么是DOI,文献DOI怎么找? 1339400
科研通“疑难数据库(出版商)”最低求助积分说明 638755
邀请新用户注册赠送积分活动 607527