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
情怀应助HEROTREE采纳,获得10
1秒前
1秒前
Carpe发布了新的文献求助10
2秒前
Horizon完成签到,获得积分10
4秒前
4秒前
5秒前
充电宝应助lsl采纳,获得10
6秒前
雪白的凡灵完成签到,获得积分10
6秒前
寻道图强应助逗你玩采纳,获得30
7秒前
科研通AI2S应助CLAIR采纳,获得10
8秒前
ding应助沉默白猫采纳,获得10
9秒前
10秒前
852应助沉默襄采纳,获得10
10秒前
田様应助Horizon采纳,获得30
11秒前
飞竹天寻发布了新的文献求助10
11秒前
华仔应助sugarballer采纳,获得10
13秒前
九品芝麻官完成签到,获得积分10
13秒前
14秒前
jing216发布了新的文献求助10
17秒前
创新完成签到 ,获得积分20
17秒前
19秒前
星星发布了新的文献求助10
20秒前
HC完成签到 ,获得积分10
20秒前
21秒前
今后应助创新采纳,获得10
24秒前
sugarballer发布了新的文献求助10
25秒前
25秒前
科研通AI2S应助dsd采纳,获得10
25秒前
科研通AI2S应助morii采纳,获得10
25秒前
sugarballer完成签到,获得积分10
29秒前
32秒前
33秒前
33秒前
酷波er应助syy采纳,获得10
34秒前
35秒前
35秒前
人文地理cg完成签到,获得积分10
36秒前
汤mou发布了新的文献求助10
37秒前
hmhu完成签到,获得积分10
37秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
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 3183207
求助须知:如何正确求助?哪些是违规求助? 2833396
关于积分的说明 7993630
捐赠科研通 2495497
什么是DOI,文献DOI怎么找? 1331539
科研通“疑难数据库(出版商)”最低求助积分说明 636332
邀请新用户注册赠送积分活动 603496