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
赵油油完成签到,获得积分10
1秒前
季宇完成签到,获得积分10
1秒前
哈哈哈哈hug完成签到,获得积分10
1秒前
愤怒的数据线完成签到,获得积分10
1秒前
FIGHTACE发布了新的文献求助10
2秒前
JamesPei应助西子阳采纳,获得10
2秒前
星星完成签到,获得积分10
2秒前
2秒前
潘先森发布了新的文献求助10
3秒前
自觉馒头完成签到,获得积分10
3秒前
ly完成签到,获得积分10
3秒前
梦里繁花完成签到,获得积分10
4秒前
4秒前
希望天下0贩的0应助czl采纳,获得10
4秒前
qwqe发布了新的文献求助10
5秒前
5秒前
qi发布了新的文献求助10
5秒前
高高的战斗机完成签到,获得积分10
6秒前
6秒前
6秒前
7秒前
Owen应助Ayla采纳,获得10
8秒前
神勇的荟完成签到,获得积分10
8秒前
moyue完成签到,获得积分10
8秒前
Solar energy完成签到,获得积分10
9秒前
9秒前
@_@发布了新的文献求助20
9秒前
迅速乌龟完成签到,获得积分10
10秒前
11发布了新的文献求助10
11秒前
沐尚橙发布了新的文献求助10
11秒前
NMSL发布了新的文献求助10
11秒前
西子阳发布了新的文献求助10
12秒前
孤独的小蜜蜂完成签到,获得积分20
12秒前
微笑的从安完成签到,获得积分10
12秒前
12秒前
you一完成签到,获得积分20
14秒前
完美世界应助ZZY采纳,获得10
14秒前
Wingshuohuo发布了新的文献求助30
14秒前
青柠完成签到,获得积分10
14秒前
wer完成签到,获得积分10
14秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Femoral insertion of the ACL. Radiographic quadrant method 1000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Geochemistry, 2nd Edition 地球化学经典教科书第二版 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 3194272
求助须知:如何正确求助?哪些是违规求助? 2843210
关于积分的说明 8043705
捐赠科研通 2507678
什么是DOI,文献DOI怎么找? 1340001
科研通“疑难数据库(出版商)”最低求助积分说明 638854
邀请新用户注册赠送积分活动 607723