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
CodeCraft应助多多采纳,获得10
刚刚
SciGPT应助小陈要当院士采纳,获得10
3秒前
4秒前
慕青应助张龙雨采纳,获得10
4秒前
5秒前
fin完成签到 ,获得积分10
5秒前
金权富贵发布了新的文献求助10
7秒前
科研小白发布了新的文献求助10
7秒前
9秒前
金刚经应助帅哥采纳,获得10
9秒前
科研人员发布了新的文献求助10
9秒前
9秒前
wxt发布了新的文献求助200
10秒前
abai发布了新的文献求助10
10秒前
11秒前
XXHH完成签到 ,获得积分10
12秒前
天涯倦客完成签到,获得积分10
13秒前
哲别发布了新的文献求助10
14秒前
15秒前
劲秉应助Scarlett采纳,获得10
16秒前
lisastream完成签到,获得积分10
16秒前
金权富贵完成签到,获得积分20
18秒前
18秒前
不配.应助年轻契采纳,获得10
20秒前
20秒前
21秒前
22秒前
Re完成签到 ,获得积分10
22秒前
Ww完成签到,获得积分10
22秒前
23秒前
郭德好发布了新的文献求助10
23秒前
越红发布了新的文献求助10
23秒前
Kevin Li完成签到,获得积分10
24秒前
张龙雨发布了新的文献求助10
24秒前
迷路的涑完成签到,获得积分20
26秒前
SoniaChan发布了新的文献求助10
26秒前
调皮毛豆发布了新的文献求助10
26秒前
指定能行完成签到,获得积分20
26秒前
复杂的含烟应助Syl采纳,获得10
27秒前
27秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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
Handbook on People's China (1957) 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 3189013
求助须知:如何正确求助?哪些是违规求助? 2838460
关于积分的说明 8019847
捐赠科研通 2501314
什么是DOI,文献DOI怎么找? 1335507
科研通“疑难数据库(出版商)”最低求助积分说明 637555
邀请新用户注册赠送积分活动 605656