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
帅气的马里奥完成签到 ,获得积分10
刚刚
无敌葡萄爱学习完成签到,获得积分10
1秒前
华仔应助2021采纳,获得10
3秒前
牟翎发布了新的文献求助10
3秒前
垚祎完成签到 ,获得积分10
5秒前
6秒前
9秒前
wan完成签到 ,获得积分10
9秒前
Hasee完成签到 ,获得积分10
9秒前
抽疯的电风扇13完成签到 ,获得积分10
9秒前
Ploaris完成签到 ,获得积分10
9秒前
牟翎完成签到,获得积分10
11秒前
黄沙漠完成签到 ,获得积分10
14秒前
kytlnj完成签到 ,获得积分0
14秒前
传奇3应助无情的千山采纳,获得10
14秒前
xona完成签到,获得积分10
15秒前
17秒前
PONY发布了新的文献求助10
17秒前
insomnia417完成签到,获得积分0
17秒前
优雅的凝阳完成签到 ,获得积分10
18秒前
redred完成签到,获得积分10
19秒前
脑洞疼应助紫色奶萨采纳,获得10
20秒前
20秒前
20秒前
阿敬完成签到 ,获得积分10
21秒前
redred发布了新的文献求助10
23秒前
23秒前
hjc完成签到,获得积分10
23秒前
852应助有热心愿意采纳,获得10
25秒前
26秒前
26秒前
小宝妈发布了新的文献求助10
27秒前
科研通AI2S应助tanhaowen采纳,获得10
29秒前
大家好完成签到 ,获得积分10
30秒前
summer完成签到 ,获得积分10
30秒前
好久不见完成签到 ,获得积分10
31秒前
孤独的采珊完成签到 ,获得积分10
33秒前
芋头发布了新的文献求助10
33秒前
种喜欢的花完成签到 ,获得积分10
33秒前
34秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
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
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 3200547
求助须知:如何正确求助?哪些是违规求助? 2850327
关于积分的说明 8071746
捐赠科研通 2514144
什么是DOI,文献DOI怎么找? 1346881
科研通“疑难数据库(出版商)”最低求助积分说明 640268
邀请新用户注册赠送积分活动 610386