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
zby发布了新的文献求助10
刚刚
果果完成签到,获得积分10
2秒前
酷波er应助刘芬采纳,获得10
3秒前
优美傲安完成签到,获得积分10
3秒前
万能图书馆应助soong采纳,获得10
4秒前
李安全完成签到,获得积分10
4秒前
陶醉大侠完成签到,获得积分10
4秒前
沉静的友灵完成签到,获得积分10
5秒前
xx-xxx完成签到,获得积分10
6秒前
暴躁的元灵完成签到 ,获得积分10
11秒前
linuo应助guyanlong采纳,获得10
13秒前
kk发布了新的文献求助10
13秒前
绿兔子完成签到,获得积分10
14秒前
Alex-Song完成签到 ,获得积分0
15秒前
Pika发布了新的文献求助200
16秒前
wanlino1完成签到,获得积分10
17秒前
传奇3应助活力白易采纳,获得10
18秒前
jusser完成签到,获得积分10
18秒前
逗逗完成签到,获得积分10
19秒前
烟花应助激动的半芹采纳,获得10
19秒前
流苏完成签到,获得积分10
20秒前
科研通AI2S应助夜已深采纳,获得10
20秒前
ypljk完成签到,获得积分10
21秒前
21秒前
深情口红完成签到,获得积分10
22秒前
藏识完成签到,获得积分10
24秒前
nk完成签到 ,获得积分10
26秒前
S.S.N完成签到 ,获得积分10
26秒前
26秒前
神宝宝发布了新的文献求助30
28秒前
谨慎雪碧完成签到 ,获得积分10
28秒前
大鱼完成签到 ,获得积分10
29秒前
29秒前
寂寞的白凡完成签到,获得积分10
31秒前
世间安得双全法完成签到,获得积分0
32秒前
冰阔罗发布了新的文献求助10
33秒前
gui完成签到,获得积分10
33秒前
Tina完成签到 ,获得积分10
35秒前
活力白易发布了新的文献求助10
35秒前
ssk完成签到,获得积分10
36秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
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
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3187135
求助须知:如何正确求助?哪些是违规求助? 2837073
关于积分的说明 8012782
捐赠科研通 2499612
什么是DOI,文献DOI怎么找? 1334476
科研通“疑难数据库(出版商)”最低求助积分说明 637194
邀请新用户注册赠送积分活动 605075