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
落后的皮卡丘完成签到,获得积分10
刚刚
薯条狂热爱好者完成签到 ,获得积分10
2秒前
土豆淀粉完成签到 ,获得积分10
2秒前
Much完成签到 ,获得积分10
4秒前
cloudy90发布了新的文献求助10
4秒前
快乐咸鱼完成签到 ,获得积分10
4秒前
WittingGU完成签到,获得积分0
4秒前
FuFu完成签到 ,获得积分10
4秒前
木鱼二丁目完成签到 ,获得积分10
5秒前
薰硝壤应助安逸1采纳,获得10
6秒前
薰硝壤应助kmyang采纳,获得10
7秒前
龚醉薇完成签到 ,获得积分10
8秒前
劲爆巧克力完成签到,获得积分10
9秒前
SX0000完成签到 ,获得积分10
9秒前
LIKUN完成签到,获得积分10
11秒前
鸭子完成签到,获得积分10
12秒前
ywsss完成签到,获得积分10
12秒前
iuhgnor完成签到,获得积分10
14秒前
114555完成签到,获得积分10
17秒前
干净之槐完成签到,获得积分10
17秒前
玩命的青柏完成签到,获得积分10
17秒前
程住气完成签到 ,获得积分10
18秒前
Charles完成签到,获得积分10
18秒前
勤恳的猕猴桃完成签到 ,获得积分10
18秒前
啊泉完成签到,获得积分10
19秒前
今后应助科研通管家采纳,获得10
19秒前
神勇友灵完成签到,获得积分10
20秒前
nsy完成签到,获得积分10
20秒前
凡人丿完成签到 ,获得积分10
20秒前
丫丫完成签到 ,获得积分10
20秒前
21秒前
清新的寄风完成签到 ,获得积分10
25秒前
double完成签到,获得积分10
26秒前
26秒前
红箭烟雨完成签到,获得积分10
26秒前
kmyang发布了新的文献求助10
27秒前
zlx完成签到,获得积分10
27秒前
cc完成签到 ,获得积分10
28秒前
科研执修完成签到,获得积分10
28秒前
1461644768完成签到,获得积分10
30秒前
高分求助中
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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3183774
求助须知:如何正确求助?哪些是违规求助? 2833836
关于积分的说明 7995777
捐赠科研通 2496108
什么是DOI,文献DOI怎么找? 1331890
科研通“疑难数据库(出版商)”最低求助积分说明 636459
邀请新用户注册赠送积分活动 603625