已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
hollow完成签到 ,获得积分10
1秒前
飘逸念波完成签到,获得积分10
1秒前
李惊鸿完成签到,获得积分10
1秒前
Q123ba叭完成签到 ,获得积分10
1秒前
Tendency完成签到 ,获得积分10
1秒前
楼翩跹完成签到 ,获得积分10
2秒前
孤芳自赏IrisKing完成签到 ,获得积分10
4秒前
xiaoshuwang完成签到,获得积分10
4秒前
冷静新烟完成签到,获得积分20
4秒前
5秒前
Ljy完成签到 ,获得积分10
5秒前
研友_Z60x5L完成签到 ,获得积分10
5秒前
开心的灵枫完成签到 ,获得积分10
5秒前
ljj完成签到,获得积分10
5秒前
树袋熊完成签到,获得积分10
6秒前
李东东完成签到 ,获得积分10
6秒前
繁笙完成签到 ,获得积分10
7秒前
ZadeAO完成签到,获得积分10
7秒前
快乐的慕灵完成签到 ,获得积分10
8秒前
xiaozhao完成签到 ,获得积分10
8秒前
Angenstern完成签到 ,获得积分10
8秒前
瞬间de回眸完成签到 ,获得积分0
8秒前
Dr.Invincible完成签到,获得积分10
8秒前
忧郁荔枝完成签到 ,获得积分10
8秒前
ljj发布了新的文献求助10
10秒前
Star完成签到,获得积分10
10秒前
喵总完成签到,获得积分10
10秒前
落后盼望完成签到,获得积分10
11秒前
inu1255完成签到,获得积分10
11秒前
格物致知完成签到,获得积分10
11秒前
SciGPT应助xcc采纳,获得10
11秒前
树袋熊发布了新的文献求助100
11秒前
糖醋里脊加醋完成签到 ,获得积分10
11秒前
洪荒爆发完成签到,获得积分10
12秒前
土豪的帆布鞋完成签到 ,获得积分20
12秒前
君寻完成签到 ,获得积分10
12秒前
lizongrui完成签到,获得积分10
12秒前
清爽的诗云完成签到 ,获得积分10
13秒前
yy完成签到 ,获得积分10
17秒前
18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 3186547
求助须知:如何正确求助?哪些是违规求助? 2836799
关于积分的说明 8011434
捐赠科研通 2499176
什么是DOI,文献DOI怎么找? 1334103
科研通“疑难数据库(出版商)”最低求助积分说明 637023
邀请新用户注册赠送积分活动 605009

今日热心研友

沉默的小天鹅
20
注:热心度 = 本日应助数 + 本日被采纳获取积分÷10