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
搜集达人应助1111采纳,获得10
刚刚
1秒前
在水一方应助TTK采纳,获得30
1秒前
相南相北发布了新的文献求助30
2秒前
已秃发布了新的文献求助10
2秒前
2秒前
4秒前
nini完成签到,获得积分10
4秒前
研团子完成签到,获得积分10
4秒前
奇奇怪怪发布了新的文献求助10
5秒前
123完成签到 ,获得积分10
5秒前
5秒前
6秒前
殊量完成签到,获得积分10
6秒前
研友_EZ1YgZ发布了新的文献求助10
7秒前
Orange应助小鱼采纳,获得10
7秒前
玩笑完成签到 ,获得积分10
8秒前
YMH发布了新的文献求助10
8秒前
9秒前
1111发布了新的文献求助10
9秒前
熊一只完成签到,获得积分10
10秒前
鹿丫丫发布了新的文献求助10
13秒前
走好选择的路完成签到 ,获得积分10
13秒前
14秒前
16秒前
英俊的铭应助景飞丹采纳,获得10
16秒前
鲜艳的诗桃完成签到,获得积分10
18秒前
18秒前
斯文败类应助鹿丫丫采纳,获得10
19秒前
李爱国应助NicheFactor采纳,获得10
19秒前
20秒前
XYZ完成签到,获得积分10
20秒前
20秒前
安静发布了新的文献求助10
21秒前
研友_EZ1YgZ完成签到,获得积分10
21秒前
22秒前
23秒前
FYJ发布了新的文献求助10
24秒前
相南相北发布了新的文献求助10
24秒前
lxz3131发布了新的文献求助10
25秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3199994
求助须知:如何正确求助?哪些是违规求助? 2849782
关于积分的说明 8069853
捐赠科研通 2513573
什么是DOI,文献DOI怎么找? 1346379
科研通“疑难数据库(出版商)”最低求助积分说明 640227
邀请新用户注册赠送积分活动 610102