已入深夜,您辛苦了!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!祝你早点完成任务,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
泡泡完成签到,获得积分20
刚刚
1秒前
5秒前
君与同行完成签到,获得积分20
5秒前
5秒前
7秒前
8秒前
不配.应助新一采纳,获得10
9秒前
卿总未梦发布了新的文献求助20
10秒前
10秒前
10秒前
CipherSage应助朴素的山蝶采纳,获得10
10秒前
11秒前
13秒前
会飞的鱼完成签到,获得积分10
14秒前
星辰大海应助牧连碧采纳,获得10
14秒前
Dece发布了新的文献求助10
15秒前
bkagyin应助嗒嗒嗒薇采纳,获得10
16秒前
16秒前
搜集达人应助白鲸emmm采纳,获得10
17秒前
19秒前
麦尔哈巴发布了新的文献求助10
20秒前
20秒前
传奇3应助emei采纳,获得10
21秒前
幽凡完成签到 ,获得积分10
24秒前
科研通AI2S应助chu采纳,获得10
25秒前
胡高照发布了新的文献求助10
26秒前
26秒前
Dece完成签到,获得积分20
26秒前
慕青应助麦尔哈巴采纳,获得10
29秒前
31秒前
31秒前
wyj发布了新的文献求助10
31秒前
33秒前
35秒前
背后访风发布了新的文献求助10
36秒前
泡泡发布了新的文献求助20
37秒前
汉堡包应助景行行止采纳,获得30
37秒前
牧连碧发布了新的文献求助10
39秒前
上官若男应助阳光盼山采纳,获得10
40秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
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 3186482
求助须知:如何正确求助?哪些是违规求助? 2836756
关于积分的说明 8011034
捐赠科研通 2499099
什么是DOI,文献DOI怎么找? 1334088
科研通“疑难数据库(出版商)”最低求助积分说明 637023
邀请新用户注册赠送积分活动 605004