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
Lucas应助刘步遥采纳,获得10
刚刚
郭二发布了新的文献求助10
3秒前
NexusExplorer应助镜哥采纳,获得20
3秒前
小亮哈哈完成签到,获得积分0
3秒前
慕青应助无呜呜采纳,获得10
5秒前
Luke Gee完成签到 ,获得积分10
6秒前
9秒前
panda发布了新的文献求助10
9秒前
杳鸢应助benben采纳,获得30
9秒前
打打应助Kvolu29采纳,获得10
11秒前
Mob完成签到,获得积分10
11秒前
12秒前
ErlanYang完成签到,获得积分10
12秒前
快去吃蛋糕给快去吃蛋糕的求助进行了留言
13秒前
13秒前
刘步遥发布了新的文献求助10
14秒前
14秒前
15秒前
Mob发布了新的文献求助10
16秒前
8R60d8应助urochen采纳,获得10
16秒前
17秒前
如意友灵发布了新的文献求助10
17秒前
欢喜的毛豆完成签到 ,获得积分10
18秒前
镜哥发布了新的文献求助20
18秒前
xrl完成签到 ,获得积分10
18秒前
19秒前
Vincent1990发布了新的文献求助10
19秒前
安然发布了新的文献求助10
21秒前
Ventus发布了新的文献求助10
21秒前
22秒前
orange完成签到 ,获得积分10
23秒前
考研小白发布了新的文献求助10
25秒前
锦林完成签到,获得积分20
28秒前
pzf完成签到 ,获得积分10
29秒前
32秒前
ding应助Carl采纳,获得10
32秒前
33秒前
欢喜的毛豆关注了科研通微信公众号
33秒前
CipherSage应助urochen采纳,获得10
34秒前
王双翔关注了科研通微信公众号
34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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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
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 3189542
求助须知:如何正确求助?哪些是违规求助? 2838884
关于积分的说明 8022073
捐赠科研通 2501733
什么是DOI,文献DOI怎么找? 1336004
科研通“疑难数据库(出版商)”最低求助积分说明 637750
邀请新用户注册赠送积分活动 605820