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
fgy0806发布了新的文献求助10
刚刚
刚刚
刚刚
2秒前
zhangjianan发布了新的文献求助10
2秒前
传奇3应助围绕太阳采纳,获得10
2秒前
邪恶小天使完成签到 ,获得积分10
5秒前
artemis发布了新的文献求助10
5秒前
7秒前
7秒前
8秒前
霸气映之发布了新的文献求助10
8秒前
8秒前
大模型应助liujinjin采纳,获得10
8秒前
zhangjianan完成签到,获得积分20
10秒前
10秒前
不配.应助chenhh采纳,获得50
12秒前
fgy0806完成签到,获得积分10
13秒前
13秒前
14秒前
土豪的黑夜完成签到,获得积分10
14秒前
牛头人发布了新的文献求助200
14秒前
15秒前
LJK发布了新的文献求助10
18秒前
18秒前
liujinjin发布了新的文献求助10
19秒前
Rn发布了新的文献求助10
20秒前
江月风发布了新的文献求助10
23秒前
28秒前
34秒前
35秒前
彭于晏应助郭同学采纳,获得10
35秒前
35秒前
36秒前
善学以致用应助nelson采纳,获得10
36秒前
39秒前
39秒前
39秒前
零听发布了新的文献求助10
41秒前
FashionBoy应助吴巷玉采纳,获得10
41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 3186351
求助须知:如何正确求助?哪些是违规求助? 2836623
关于积分的说明 8010396
捐赠科研通 2498987
什么是DOI,文献DOI怎么找? 1334049
科研通“疑难数据库(出版商)”最低求助积分说明 637003
邀请新用户注册赠送积分活动 604909