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
刚刚
ZY发布了新的文献求助10
1秒前
Ava应助二个虎牙采纳,获得10
2秒前
十一完成签到,获得积分10
2秒前
2秒前
salakd完成签到,获得积分10
3秒前
Snow发布了新的文献求助10
3秒前
3秒前
顺利的妖妖完成签到 ,获得积分10
4秒前
烟花应助清秀白梦采纳,获得10
4秒前
5秒前
菠萝发布了新的文献求助10
5秒前
5秒前
充电宝应助reny采纳,获得10
6秒前
hj123发布了新的文献求助10
7秒前
认真的傲柏完成签到,获得积分10
7秒前
LC发布了新的文献求助10
7秒前
松子发布了新的文献求助10
7秒前
8秒前
8秒前
研友_8QxN1Z发布了新的文献求助10
8秒前
科研通AI2S应助Andy采纳,获得10
9秒前
9秒前
酷波er应助ccleon采纳,获得10
10秒前
10秒前
GAO发布了新的文献求助10
10秒前
Ray羽曦~应助Mrmiss666采纳,获得10
11秒前
11秒前
IBMffff应助蟹蟹采纳,获得30
12秒前
在水一方应助Glu采纳,获得10
13秒前
靓丽的奇异果完成签到,获得积分10
13秒前
15秒前
yeape完成签到,获得积分10
16秒前
16秒前
zxy完成签到,获得积分20
17秒前
17秒前
白vv应助小菜一碟啦采纳,获得20
17秒前
不吃芹菜谢谢完成签到,获得积分10
17秒前
222发布了新的文献求助20
17秒前
17秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3195743
求助须知:如何正确求助?哪些是违规求助? 2844609
关于积分的说明 8050603
捐赠科研通 2509253
什么是DOI,文献DOI怎么找? 1341528
科研通“疑难数据库(出版商)”最低求助积分说明 639181
邀请新用户注册赠送积分活动 608374