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
Ttzz发布了新的文献求助10
1秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
CipherSage应助科研通管家采纳,获得10
2秒前
脑洞疼应助科研通管家采纳,获得10
2秒前
Owen应助科研通管家采纳,获得10
2秒前
熊仔仔熊完成签到 ,获得积分10
2秒前
CodeCraft应助科研通管家采纳,获得10
2秒前
打打应助Gryphon采纳,获得10
2秒前
3秒前
不配.应助迷路聋五采纳,获得10
4秒前
4秒前
SciGPT应助李李采纳,获得10
5秒前
paper快来发布了新的文献求助10
5秒前
liuguoj完成签到,获得积分10
6秒前
专注的秀完成签到,获得积分10
8秒前
jasonshao发布了新的文献求助10
9秒前
不配.应助irisjlj采纳,获得10
10秒前
10秒前
10秒前
坦率的跳跳糖完成签到 ,获得积分10
10秒前
狂野的绿柏完成签到,获得积分20
11秒前
13秒前
14秒前
14秒前
雨上悲发布了新的文献求助30
14秒前
15秒前
无奈酒窝发布了新的文献求助10
18秒前
18秒前
Garrett完成签到 ,获得积分10
19秒前
所所应助甜美的惠采纳,获得10
19秒前
liuliu发布了新的文献求助10
20秒前
21秒前
22秒前
22秒前
23秒前
Gryphon发布了新的文献求助10
24秒前
不配.应助ddd采纳,获得10
24秒前
yangbinsci0827完成签到,获得积分20
25秒前
wangw061完成签到,获得积分10
27秒前
高海龙完成签到 ,获得积分10
28秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Mixed-anion Compounds 300
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 3197862
求助须知:如何正确求助?哪些是违规求助? 2846631
关于积分的说明 8060019
捐赠科研通 2511518
什么是DOI,文献DOI怎么找? 1343436
科研通“疑难数据库(出版商)”最低求助积分说明 639537
邀请新用户注册赠送积分活动 609146