已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
Way发布了新的文献求助10
2秒前
心随以动发布了新的文献求助10
3秒前
4秒前
6秒前
科小白完成签到 ,获得积分10
11秒前
凯瑟琳发布了新的文献求助10
11秒前
重要问芙brk完成签到,获得积分10
18秒前
xliiii发布了新的文献求助10
18秒前
虚幻的冰露完成签到 ,获得积分10
19秒前
21秒前
我是老大应助董世英采纳,获得10
23秒前
27秒前
29秒前
30秒前
32秒前
万勇发布了新的文献求助10
33秒前
Hello应助nenenn采纳,获得10
33秒前
炙心发布了新的文献求助10
34秒前
董世英发布了新的文献求助10
36秒前
顾矜应助Way采纳,获得10
36秒前
NexusExplorer应助凯瑟琳采纳,获得10
37秒前
40秒前
40秒前
43秒前
英俊智宸发布了新的文献求助20
43秒前
深情安青应助淡定从霜采纳,获得10
44秒前
领导范儿应助万勇采纳,获得10
45秒前
46秒前
董世英完成签到,获得积分10
46秒前
luojie完成签到 ,获得积分10
48秒前
AppleDog完成签到,获得积分10
48秒前
49秒前
冷傲老九完成签到,获得积分20
50秒前
dayoud发布了新的文献求助10
53秒前
浩然山河完成签到,获得积分10
53秒前
nenenn发布了新的文献求助10
54秒前
尧尧完成签到,获得积分10
54秒前
科研助手完成签到,获得积分10
56秒前
56秒前
祝愿完成签到 ,获得积分10
57秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
2024 Medicinal Chemistry Reviews 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 3189626
求助须知:如何正确求助?哪些是违规求助? 2839019
关于积分的说明 8022407
捐赠科研通 2501845
什么是DOI,文献DOI怎么找? 1336060
科研通“疑难数据库(出版商)”最低求助积分说明 637750
邀请新用户注册赠送积分活动 605835