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
阳光山柏发布了新的文献求助10
刚刚
谢言一发布了新的文献求助30
刚刚
想吃榴莲完成签到,获得积分10
刚刚
5秒前
加菲丰丰应助二零三采纳,获得20
5秒前
天天快乐应助隐形的雪碧采纳,获得10
5秒前
爆米花应助十月采纳,获得10
5秒前
行宇完成签到,获得积分10
6秒前
加菲丰丰应助念姬采纳,获得20
10秒前
寒冷的世界完成签到 ,获得积分10
10秒前
ding应助D.fdc采纳,获得10
10秒前
11秒前
CipherSage应助AXEDW采纳,获得10
11秒前
13秒前
李子果果果完成签到 ,获得积分10
13秒前
ww完成签到,获得积分20
14秒前
丢丢完成签到,获得积分10
14秒前
14秒前
泽鑫发布了新的文献求助10
15秒前
刘英俊发布了新的文献求助10
15秒前
白华苍松发布了新的文献求助20
16秒前
今后应助Sekiro采纳,获得10
16秒前
didoo发布了新的文献求助30
17秒前
chaohuiwang发布了新的文献求助20
18秒前
虎盐关注了科研通微信公众号
18秒前
20秒前
ZY完成签到,获得积分10
21秒前
22秒前
22秒前
bxj完成签到 ,获得积分10
22秒前
fqy关闭了fqy文献求助
22秒前
D.fdc发布了新的文献求助10
24秒前
26秒前
ZYou发布了新的文献求助10
28秒前
28秒前
锂为什么叫做锂完成签到,获得积分10
28秒前
FashionBoy应助怡然乌采纳,获得10
30秒前
30秒前
mark163完成签到,获得积分10
31秒前
gomm完成签到,获得积分10
31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 3185969
求助须知:如何正确求助?哪些是违规求助? 2836319
关于积分的说明 8008478
捐赠科研通 2498682
什么是DOI,文献DOI怎么找? 1333763
科研通“疑难数据库(出版商)”最低求助积分说明 636912
邀请新用户注册赠送积分活动 604742