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
小白兔发布了新的文献求助20
1秒前
柠檬茶完成签到 ,获得积分10
1秒前
1秒前
bluesiryao完成签到,获得积分10
2秒前
阆州完成签到,获得积分10
2秒前
yydssss完成签到,获得积分10
3秒前
听白完成签到 ,获得积分10
3秒前
包子完成签到,获得积分20
3秒前
YHF2完成签到,获得积分10
3秒前
秦小荷完成签到 ,获得积分10
3秒前
Jasper应助xiaweiyi采纳,获得10
4秒前
Josh应助Ash采纳,获得10
4秒前
非鱼鱼完成签到 ,获得积分10
5秒前
hhh完成签到,获得积分10
5秒前
5秒前
欣慰的舞仙完成签到,获得积分10
6秒前
6秒前
kkkkkkk_应助浚稚采纳,获得10
7秒前
包子发布了新的文献求助10
8秒前
8秒前
黄华胜完成签到 ,获得积分10
9秒前
坦率的寻凝完成签到,获得积分10
9秒前
9秒前
9秒前
星星完成签到 ,获得积分10
11秒前
11秒前
七星嘿咻完成签到,获得积分10
11秒前
FLZLC发布了新的文献求助200
12秒前
12秒前
qqqqqqqqq发布了新的文献求助10
13秒前
黄林旋发布了新的文献求助10
13秒前
14秒前
14秒前
qq发布了新的文献求助30
14秒前
14秒前
小小虾发布了新的文献求助10
15秒前
15秒前
斯文败类应助j2018214987采纳,获得10
16秒前
精明的寒天完成签到,获得积分10
16秒前
极光发布了新的文献求助10
16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
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Mixed-anion Compounds 300
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 3197521
求助须知:如何正确求助?哪些是违规求助? 2846327
关于积分的说明 8058551
捐赠科研通 2511166
什么是DOI,文献DOI怎么找? 1343078
科研通“疑难数据库(出版商)”最低求助积分说明 639525
邀请新用户注册赠送积分活动 609054