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
明天依旧光芒万丈完成签到,获得积分10
刚刚
1秒前
1秒前
1秒前
余成风发布了新的文献求助10
2秒前
2秒前
2秒前
3秒前
Lida完成签到,获得积分10
5秒前
qiandaizi完成签到,获得积分20
5秒前
5秒前
调研昵称发布了新的文献求助10
5秒前
6秒前
小付发布了新的文献求助30
7秒前
bkagyin应助Mito2009采纳,获得30
8秒前
奥特波顿完成签到,获得积分10
10秒前
科研通AI2S应助lu采纳,获得10
10秒前
可乐完成签到,获得积分10
11秒前
11秒前
12秒前
过时的又槐完成签到,获得积分20
12秒前
XL完成签到,获得积分10
12秒前
奥特波顿发布了新的文献求助20
13秒前
13秒前
在水一方应助qiandaizi采纳,获得10
13秒前
常涑完成签到,获得积分10
14秒前
调研昵称发布了新的文献求助10
14秒前
peiling发布了新的文献求助10
15秒前
nysyty发布了新的文献求助10
15秒前
大傻春发布了新的文献求助10
15秒前
lanxinyue应助瘦瘦的代丝采纳,获得10
15秒前
大力的立果完成签到,获得积分10
17秒前
zzzzz应助小付采纳,获得10
17秒前
17秒前
yc完成签到 ,获得积分10
18秒前
余成风完成签到,获得积分10
18秒前
55完成签到 ,获得积分10
19秒前
我的影帝先生完成签到 ,获得积分0
20秒前
调研昵称发布了新的文献求助10
21秒前
peiling完成签到,获得积分20
21秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
India's foreign trade policy and its performance in the world economy 450
Structural Inorganic Chemistry 400
Dictionary of socialism 350
Mixed-anion Compounds 300
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 3196226
求助须知:如何正确求助?哪些是违规求助? 2845058
关于积分的说明 8052686
捐赠科研通 2509593
什么是DOI,文献DOI怎么找? 1341915
科研通“疑难数据库(出版商)”最低求助积分说明 639282
邀请新用户注册赠送积分活动 608508