Beschreibung
Uni-Mol ist ein umfassendes Framework für das Lernen von 3D-Molekülrepräsentationen, das darauf ausgelegt ist, die Leistung in einem breiten Spektrum nachgelagerter Anwendungen in der Wirkstoffentwicklung und Molekularwissenschaft zu verbessern. Das Kernmodell Uni-Mol ist ein universelles 3D-Molekül-Vortrainingsframework, das die Repräsentationskapazität und den Anwendungsbereich erheblich erweitert. Es besteht aus zwei vortrainierten Modellen: eines trainiert auf 209 Millionen 3D-Konformationen von Molekülen und ein weiteres auf 3 Millionen Kandidaten-Proteintaschendaten. Diese Modelle können unabhängig voneinander oder kombiniert für Protein-Liganden-Bindungsaufgaben verwendet werden. Uni-Mol hat eine überlegene Leistung bei 14 von 15 Aufgaben zur Vorhersage molekularer Eigenschaften gezeigt und eine außergewöhnliche Genauigkeit bei 3D-Raumaufgaben erzielt, einschließlich der Vorhersage von Protein-Liganden-Bindungspositionen und der Generierung von Molekülkonformationen.
Weiterlesen
Uni-Mol+ konzentriert sich auf hochgenaue Vorhersagen quantenchemischer Eigenschaften. Es nimmt einen 2D-Molekülgraphen, generiert eine anfängliche 3D-Konformation, optimiert diese iterativ zu ihrer Gleichgewichtskonformation und sagt dann quantenchemische Eigenschaften voraus. Uni-Mol+ hat auf Benchmarks wie PCQM4MV2 und OC20 signifikante Verbesserungen gegenüber früheren State-of-the-Art-Methoden gezeigt.
Uni-Mol Tools bietet benutzerfreundliche Wrapper für die automatische Eigenschaftsvorhersage, Repräsentation und andere nachgelagerte Aufgaben mit Uni-Mol. Es kann über pip (`pip install unimol-tools`) installiert werden und bietet Werkzeuge zur Vorhersage molekularer Eigenschaften, zur Generierung von Repräsentationen und für verschiedene andere Anwendungen.
Uni-Mol Docking V2 verbessert die Vorhersage von Protein-Liganden-Bindungspositionen und erzielt branchenführende Leistungen, vergleichbar mit AlphaFold3. Es sagt Bindungspositionen für einen hohen Prozentsatz von Liganden genau voraus und umgeht gängige Probleme wie Chiralitätsumkehrungen und sterische Hinderungen, die in früheren maschinellen Lernmodellen gefunden wurden. Ein Dienst für Uni-Mol Docking V2 ist verfügbar.
Uni-Mol2 ist ein flexibles und skalierbares molekulares Vortrainingsmodell mit einer Zwei-Track-Transformer-Architektur, die atomare, graphische und geometrische Strukturmerkmale integriert. Es bietet Modelle von 84 Millionen bis 1,1 Milliarden Parametern, sodass Benutzer die Größe wählen können, die am besten zu ihren molekularen Aufgaben passt. Uni-Mol2 wurde auf bis zu 1,1 Milliarden Parameter skaliert und ist damit eines der größten molekularen Vortrainingsmodelle bis heute, trainiert auf 800 Millionen Konformationen. Seine Verfügbarkeit in `unimol_tools` ermöglicht die einfache Nutzung seiner Repräsentations- und Fine-Tuning-Fähigkeiten.
- KategorieWissenschaftliche Entdeckung & Laborwerkzeuge
- PreismodellOpen Source
- BereitstellungCloud
- PlattformenWeb
Uni-Mol's Kernfunktionen
Universelles Framework für das Lernen von 3D-Molekülrepräsentationen
Vortrainierte Modelle für Molekül- und Proteintaschendaten
Hohe Leistung bei Aufgaben zur Vorhersage molekularer Eigenschaften
Genaue Leistung bei 3D-Raumaufgaben (Bindungsposition, Konformationsgenerierung)
Vorhersage quantenchemischer Eigenschaften mit Uni-Mol+
Iterative Optimierung von 3D-Konformationen für QC-Vorhersagen
Benutzerfreundliche Wrapper für Eigenschaftsvorhersage und Repräsentation mit Uni-Mol Tools
Branchenführende Vorhersage von Protein-Liganden-Bindungspositionen mit Uni-Mol Docking V2
Skalierbare molekulare Vortrainingsmodelle (Uni-Mol2) von 84 Mio. bis 1,1 Mrd. Parametern
Zwei-Track-Transformer-Architektur, die atomare, graphische und geometrische Merkmale integriert
Unterstützung für verschiedene nachgelagerte molekulare Aufgaben
Veröffentlicht mit mehreren Forschungsarbeiten und Publikationen
Erste Schritte mit Uni-Mol
Modellzugriff: Erhalten Sie Zugriff auf die Uni-Mol-Modelle und -Tools.
Umgebung einrichten: Konfigurieren Sie Ihre lokale Umgebung mit den erforderlichen Abhängigkeiten.
Integration über API: Nutzen Sie bereitgestellte APIs oder Wrapper für den programmatischen Zugriff.
Vortrainierte Modelle laden: Laden Sie spezifische Uni-Mol-Modelle für Ihre gewählte Aufgabe.
Eingabedaten vorbereiten: Formatieren Sie Ihre Molekül- oder Protein-Liganden-Daten gemäß den Anforderungen.
Vorhersagen ausführen: Führen Sie Eigenschaftsvorhersagen, Docking-Simulationen oder Repräsentationsgenerierungen durch.
Ergebnisse auswerten: Analysieren Sie die Ausgabe und bewerten Sie die Leistung für Ihre Anwendung.
Uni-Mol's Anwendungsfälle
- Vorhersage molekularer Eigenschaften
- Vorhersage von Bindungspositionen
- Quantenchemische Modellierung
- Konformationsgenerierung
- Lernen von Molekülrepräsentationen
- Wirkstoffentwicklung
- Materialwissenschaft
