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
欧阳蛋蛋鸡完成签到 ,获得积分10
刚刚
磊磊完成签到,获得积分10
2秒前
munire发布了新的文献求助10
2秒前
3秒前
4秒前
小虎应助犹豫梦旋采纳,获得10
4秒前
4秒前
传奇3应助Sun采纳,获得10
5秒前
miracle完成签到,获得积分10
6秒前
小王同学完成签到,获得积分10
7秒前
SolderOH完成签到,获得积分10
7秒前
无所吊谓发布了新的文献求助10
7秒前
汉堡包应助木头采纳,获得10
8秒前
8秒前
豆沙包子发布了新的文献求助10
8秒前
Lucas应助有魅力的香芦采纳,获得10
9秒前
云云发布了新的文献求助10
10秒前
11秒前
12秒前
czt完成签到 ,获得积分10
13秒前
调皮的凝旋完成签到,获得积分10
13秒前
13秒前
13秒前
13秒前
bkagyin应助瞿寒采纳,获得10
13秒前
lee发布了新的文献求助10
13秒前
白桦发布了新的文献求助10
14秒前
吃三口茄子完成签到,获得积分10
14秒前
15秒前
bbanshan完成签到,获得积分10
16秒前
leungya发布了新的文献求助20
16秒前
16秒前
顺利翼发布了新的文献求助10
17秒前
调研昵称发布了新的文献求助10
17秒前
liuchen完成签到,获得积分20
17秒前
狂野乌冬面完成签到 ,获得积分10
17秒前
ramu完成签到,获得积分10
17秒前
不配.应助神勇的老四采纳,获得10
18秒前
小豆芽芽发布了新的文献求助10
18秒前
孙星发布了新的文献求助20
18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 3187359
求助须知:如何正确求助?哪些是违规求助? 2837308
关于积分的说明 8014087
捐赠科研通 2499810
什么是DOI,文献DOI怎么找? 1334620
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 605176