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
女巫Q发布了新的文献求助10
刚刚
刚刚好完成签到,获得积分10
刚刚
刚刚
1秒前
大福完成签到,获得积分10
1秒前
哈哈哈发布了新的文献求助10
3秒前
今后应助Wangyi采纳,获得10
3秒前
topsun发布了新的文献求助10
3秒前
小黄找文献完成签到,获得积分10
4秒前
4秒前
常常发布了新的文献求助10
5秒前
5秒前
pra发布了新的文献求助10
6秒前
6秒前
7秒前
风雨琳琅完成签到 ,获得积分10
8秒前
csm完成签到,获得积分20
9秒前
Stephen完成签到,获得积分10
9秒前
ww完成签到,获得积分10
10秒前
10秒前
直率的山蝶完成签到 ,获得积分10
10秒前
11秒前
csm发布了新的文献求助10
12秒前
田様应助晴栀采纳,获得10
12秒前
12秒前
科研通AI2S应助KD采纳,获得10
12秒前
12秒前
笨笨井完成签到 ,获得积分10
12秒前
图图烤肉完成签到,获得积分10
13秒前
领导范儿应助学习会秃顶采纳,获得10
13秒前
lcsolar发布了新的文献求助10
13秒前
共享精神应助暗号采纳,获得10
14秒前
15秒前
15秒前
Hellowa完成签到,获得积分10
15秒前
16秒前
16秒前
科研通AI2S应助夏天采纳,获得10
16秒前
闪闪安柏完成签到,获得积分20
17秒前
17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 3184784
求助须知:如何正确求助?哪些是违规求助? 2835100
关于积分的说明 8003281
捐赠科研通 2497529
什么是DOI,文献DOI怎么找? 1332868
科研通“疑难数据库(出版商)”最低求助积分说明 636748
邀请新用户注册赠送积分活动 604107