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
小二郎应助最后一场雪采纳,获得10
1秒前
找回自己完成签到,获得积分10
2秒前
Billy应助...采纳,获得10
4秒前
周周发布了新的文献求助10
4秒前
鲤鱼灵阳完成签到,获得积分10
7秒前
过时的砖头完成签到 ,获得积分10
8秒前
小蘑菇应助周周采纳,获得10
8秒前
明天更好完成签到 ,获得积分10
9秒前
9秒前
满家归寻完成签到 ,获得积分10
10秒前
bkagyin应助从容的灵凡采纳,获得10
10秒前
11秒前
rrrrlc完成签到,获得积分10
13秒前
与其会意完成签到,获得积分20
14秒前
盛夏完成签到,获得积分10
15秒前
5866应助寒冷的白晴采纳,获得10
16秒前
sunming完成签到,获得积分10
16秒前
16秒前
16秒前
猴子好坏发布了新的文献求助10
17秒前
luoxiaotu198发布了新的文献求助10
17秒前
脆脆鲨完成签到,获得积分10
17秒前
丰知然完成签到,获得积分0
18秒前
18秒前
烟花应助zxy采纳,获得10
19秒前
中中发布了新的文献求助10
20秒前
可期完成签到,获得积分10
20秒前
...完成签到,获得积分10
21秒前
兴奋背包完成签到,获得积分10
23秒前
周周发布了新的文献求助10
23秒前
23秒前
wdmxsmebdx完成签到,获得积分10
23秒前
23秒前
24秒前
健壮丹妗完成签到 ,获得积分10
24秒前
24秒前
25秒前
慕青应助猴子好坏采纳,获得30
25秒前
乐乐应助科研通管家采纳,获得10
26秒前
NexusExplorer应助科研通管家采纳,获得10
26秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
2024 Medicinal Chemistry Reviews 400
Why I Chose China [by Morris R. Wills] in "Look", February 8 and 22, 1966; 400
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 3190207
求助须知:如何正确求助?哪些是违规求助? 2839520
关于积分的说明 8024077
捐赠科研通 2502392
什么是DOI,文献DOI怎么找? 1336493
科研通“疑难数据库(出版商)”最低求助积分说明 637841
邀请新用户注册赠送积分活动 606020