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
大白天的飙摩的完成签到,获得积分10
1秒前
drlq2022发布了新的文献求助10
2秒前
全全圆圆圈圈完成签到 ,获得积分10
2秒前
丘比特应助ziyue采纳,获得10
3秒前
陈乔发布了新的文献求助10
4秒前
Lig完成签到,获得积分10
4秒前
4秒前
DK-Ksss发布了新的文献求助10
4秒前
爱学习的楠完成签到,获得积分10
5秒前
SHUI-YM完成签到,获得积分10
5秒前
CipherSage应助文艺的大米采纳,获得10
5秒前
和谐雁荷完成签到 ,获得积分10
6秒前
永不言弃发布了新的文献求助10
7秒前
华仔应助aa采纳,获得10
7秒前
不配.应助虞剑采纳,获得10
7秒前
7秒前
MT完成签到 ,获得积分10
7秒前
8秒前
8秒前
星移完成签到,获得积分10
8秒前
Japrin完成签到,获得积分10
8秒前
9秒前
烟花应助科研通管家采纳,获得10
9秒前
9秒前
9秒前
领导范儿应助科研通管家采纳,获得10
9秒前
桐桐应助科研通管家采纳,获得10
9秒前
9秒前
乐乐应助科研通管家采纳,获得10
9秒前
9秒前
芝士球球应助科研通管家采纳,获得10
9秒前
科研通AI2S应助科研通管家采纳,获得10
9秒前
所所应助科研通管家采纳,获得10
9秒前
烟花应助科研通管家采纳,获得10
9秒前
科研通AI2S应助科研通管家采纳,获得10
9秒前
星辰大海应助科研通管家采纳,获得10
10秒前
Owen应助科研通管家采纳,获得10
10秒前
香蕉觅云应助科研通管家采纳,获得10
10秒前
袁青欣完成签到 ,获得积分10
10秒前
彭于晏应助科研通管家采纳,获得10
10秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
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 3184312
求助须知:如何正确求助?哪些是违规求助? 2834450
关于积分的说明 8000195
捐赠科研通 2496919
什么是DOI,文献DOI怎么找? 1332517
科研通“疑难数据库(出版商)”最低求助积分说明 636613
邀请新用户注册赠送积分活动 603920