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
哲999完成签到,获得积分10
刚刚
刚刚
1秒前
科研通AI2S应助彤彤采纳,获得10
2秒前
顺利的毛衣完成签到,获得积分10
3秒前
nmamtf完成签到,获得积分10
3秒前
yufanhui应助SciEngineerX采纳,获得10
4秒前
小蘑菇应助SciEngineerX采纳,获得10
5秒前
爱喝可乐的猫完成签到,获得积分10
5秒前
Akim应助风车采纳,获得10
5秒前
Xxxxzzz应助Yang采纳,获得10
5秒前
地质学一点应助爱笑茉莉采纳,获得10
5秒前
小豆泥完成签到,获得积分10
7秒前
刚好发布了新的文献求助30
8秒前
9秒前
优雅含莲完成签到 ,获得积分10
10秒前
Orange应助黄可以采纳,获得10
10秒前
xuhanghang发布了新的文献求助10
11秒前
11秒前
12秒前
12秒前
alpaca5完成签到,获得积分10
13秒前
卡皮巴拉发布了新的文献求助10
13秒前
俭朴迎波完成签到,获得积分10
14秒前
HonamC完成签到,获得积分10
14秒前
wanci应助chen采纳,获得30
15秒前
科研小白发布了新的文献求助10
15秒前
风车发布了新的文献求助10
17秒前
CipherSage应助刚好采纳,获得30
17秒前
siu发布了新的文献求助10
17秒前
大白沙子应助历史雨采纳,获得12
18秒前
23秒前
打打应助科研小白采纳,获得10
23秒前
乐乐应助风车采纳,获得10
23秒前
sunlanglang发布了新的文献求助20
24秒前
26秒前
CipherSage应助rakuyo采纳,获得10
27秒前
Kinsley发布了新的文献求助10
28秒前
29秒前
泥娃娃完成签到 ,获得积分10
29秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
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 3185754
求助须知:如何正确求助?哪些是违规求助? 2836018
关于积分的说明 8007337
捐赠科研通 2498516
什么是DOI,文献DOI怎么找? 1333527
科研通“疑难数据库(出版商)”最低求助积分说明 636881
邀请新用户注册赠送积分活动 604637