亲爱的研友该休息了!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!身体可是革命的本钱,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
英俊的铭应助Bearbiscuit采纳,获得10
4秒前
Benjamin完成签到 ,获得积分10
11秒前
12秒前
13秒前
14秒前
14秒前
15秒前
。。。发布了新的文献求助10
19秒前
19秒前
21秒前
小王日记发布了新的文献求助10
22秒前
22秒前
24秒前
北笙发布了新的文献求助10
26秒前
DOCTORLI发布了新的文献求助10
26秒前
27秒前
Bearbiscuit发布了新的文献求助10
30秒前
Fiona完成签到 ,获得积分10
32秒前
林厌寻发布了新的文献求助30
32秒前
明理友容完成签到 ,获得积分10
34秒前
冷静的小之完成签到,获得积分10
38秒前
wanci应助DOCTORLI采纳,获得10
40秒前
。。。完成签到,获得积分10
42秒前
42秒前
淡淡妙竹完成签到 ,获得积分10
49秒前
xxxx完成签到 ,获得积分10
52秒前
59秒前
1分钟前
1分钟前
顾矜应助林厌寻采纳,获得10
1分钟前
华仔应助小白采纳,获得10
1分钟前
1分钟前
排骨炖豆角完成签到 ,获得积分10
1分钟前
甜美的问蕊完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
小王日记完成签到,获得积分10
1分钟前
栗悟饭完成签到,获得积分10
1分钟前
1分钟前
林厌寻发布了新的文献求助10
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
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 3192491
求助须知:如何正确求助?哪些是违规求助? 2841611
关于积分的说明 8034138
捐赠科研通 2505246
什么是DOI,文献DOI怎么找? 1338462
科研通“疑难数据库(出版商)”最低求助积分说明 638351
邀请新用户注册赠送积分活动 606881