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
一定会顺利完成签到 ,获得积分10
1秒前
竹筏过海应助张歪歪采纳,获得30
1秒前
微笑完成签到,获得积分10
3秒前
mihumihu发布了新的文献求助10
3秒前
jagger完成签到,获得积分10
4秒前
Minerva发布了新的文献求助10
5秒前
5秒前
junkook完成签到 ,获得积分10
9秒前
风中的丝袜完成签到,获得积分10
9秒前
12秒前
苯二氮卓完成签到 ,获得积分10
13秒前
suodeheng完成签到,获得积分10
14秒前
CCC777SSS发布了新的文献求助10
15秒前
Timothy完成签到 ,获得积分10
16秒前
阿烨完成签到,获得积分10
16秒前
17秒前
司空豁完成签到,获得积分10
18秒前
Wang完成签到 ,获得积分10
20秒前
scanker1981完成签到,获得积分10
21秒前
小鹿发布了新的文献求助10
22秒前
23秒前
吉吉完成签到,获得积分10
23秒前
丘比特应助科研通管家采纳,获得10
25秒前
Owen应助科研通管家采纳,获得10
26秒前
科研通AI2S应助科研通管家采纳,获得10
26秒前
科研通AI2S应助科研通管家采纳,获得10
26秒前
CCC777SSS完成签到,获得积分20
26秒前
lingshan完成签到 ,获得积分10
28秒前
28秒前
科研通AI2S应助吉吉采纳,获得10
31秒前
32秒前
小鹿完成签到,获得积分10
32秒前
可言关注了科研通微信公众号
33秒前
SciGPT应助爱笑的大白菜采纳,获得10
34秒前
35秒前
pathway完成签到 ,获得积分10
36秒前
cc完成签到 ,获得积分10
36秒前
37秒前
小小小栗子完成签到,获得积分20
38秒前
过于傻逼完成签到,获得积分10
38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
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3196567
求助须知:如何正确求助?哪些是违规求助? 2845265
关于积分的说明 8053695
捐赠科研通 2509895
什么是DOI,文献DOI怎么找? 1342105
科研通“疑难数据库(出版商)”最低求助积分说明 639304
邀请新用户注册赠送积分活动 608595