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
刚刚
馒头发布了新的文献求助10
刚刚
BQ完成签到,获得积分10
刚刚
刚刚
hode发布了新的文献求助10
1秒前
1秒前
superworm1发布了新的文献求助10
2秒前
深情安青应助菲菲采纳,获得10
2秒前
2秒前
田様应助脑子用去发泡了采纳,获得10
3秒前
苗条傲蕾完成签到,获得积分10
3秒前
huhuhu发布了新的文献求助10
4秒前
科研通AI2S应助myzhou采纳,获得10
5秒前
5秒前
5秒前
单薄的忆枫完成签到,获得积分10
6秒前
kk完成签到,获得积分10
6秒前
周新运发布了新的文献求助30
6秒前
6秒前
LeeY.发布了新的文献求助10
7秒前
8秒前
superworm1完成签到,获得积分10
8秒前
9秒前
FYJY应助wang采纳,获得10
9秒前
科研通AI2S应助八戒的梦想采纳,获得10
9秒前
科研通AI2S应助单薄的忆枫采纳,获得10
11秒前
qqq完成签到,获得积分10
11秒前
chglj427完成签到,获得积分10
12秒前
马华化完成签到,获得积分10
12秒前
自然剑完成签到,获得积分20
13秒前
顾小寒完成签到,获得积分10
13秒前
顺利的绿真完成签到,获得积分10
13秒前
LeeY.完成签到,获得积分10
14秒前
15秒前
有米饭没完成签到 ,获得积分10
15秒前
15秒前
暗能量发布了新的文献求助10
15秒前
16秒前
静静子完成签到,获得积分10
17秒前
李晨光完成签到,获得积分10
17秒前
高分求助中
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
Language injustice and social equity in EMI policies in China 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3201393
求助须知:如何正确求助?哪些是违规求助? 2850949
关于积分的说明 8075746
捐赠科研通 2514904
什么是DOI,文献DOI怎么找? 1347541
科研通“疑难数据库(出版商)”最低求助积分说明 640457
邀请新用户注册赠送积分活动 610650