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
菜菜完成签到 ,获得积分10
2秒前
2秒前
shim完成签到 ,获得积分10
3秒前
飞仔123完成签到 ,获得积分10
3秒前
美好斓发布了新的文献求助80
3秒前
彳亍1117应助科研通管家采纳,获得10
4秒前
zhu发布了新的文献求助20
4秒前
香蕉觅云应助科研通管家采纳,获得10
4秒前
orixero应助科研通管家采纳,获得10
4秒前
CodeCraft应助科研通管家采纳,获得10
4秒前
4秒前
4秒前
科研通AI2S应助科研通管家采纳,获得10
5秒前
酷波er应助科研通管家采纳,获得10
5秒前
华仔应助archer01采纳,获得10
5秒前
不配.应助林林采纳,获得10
7秒前
子明完成签到 ,获得积分10
7秒前
大模型应助ruiii采纳,获得10
8秒前
Peng完成签到,获得积分10
8秒前
劲秉应助正太低音炮采纳,获得10
8秒前
wanci应助Vivian采纳,获得10
8秒前
9秒前
10秒前
jeam发布了新的文献求助10
14秒前
小马快跑发布了新的文献求助10
15秒前
客念完成签到 ,获得积分10
15秒前
16秒前
FashionBoy应助pyc采纳,获得10
17秒前
不配.应助卢敏明采纳,获得10
18秒前
18秒前
劲秉应助翟闻雨采纳,获得10
19秒前
流星朵朵完成签到 ,获得积分10
19秒前
21秒前
酷波er应助ikki采纳,获得10
21秒前
黑桃发布了新的文献求助10
23秒前
Vivian发布了新的文献求助10
25秒前
26秒前
yyy1234567完成签到 ,获得积分10
29秒前
pyc发布了新的文献求助10
31秒前
俭朴的鹰完成签到,获得积分10
35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 3188947
求助须知:如何正确求助?哪些是违规求助? 2838341
关于积分的说明 8019611
捐赠科研通 2501186
什么是DOI,文献DOI怎么找? 1335373
科研通“疑难数据库(出版商)”最低求助积分说明 637521
邀请新用户注册赠送积分活动 605638