Deskripsi
Uni-Mol adalah kerangka kerja komprehensif untuk pembelajaran representasi molekuler 3D, yang dirancang untuk meningkatkan kinerja di berbagai aplikasi hilir dalam desain obat dan ilmu molekuler. Model Uni-Mol inti adalah kerangka kerja pra-pelatihan molekuler 3D universal yang secara signifikan memperluas kapasitas representasi dan cakupan aplikasi. Ini terdiri dari dua model pra-terlatih: satu dilatih pada 209 juta konformasi 3D molekuler dan yang lainnya pada 3 juta data kantong protein kandidat. Model-model ini dapat digunakan secara independen atau digabungkan untuk tugas pengikatan protein-ligan. Uni-Mol telah menunjukkan kinerja superior pada 14 dari 15 tugas prediksi properti molekuler dan mencapai akurasi luar biasa dalam tugas spasial 3D, termasuk prediksi pose pengikatan protein-ligan dan generasi konformasi molekuler.
Baca Selengkapnya
Uni-Mol+ berfokus pada prediksi properti kimia kuantum yang sangat akurat. Ini mengambil grafik molekuler 2D, menghasilkan konformasi 3D awal, mengoptimalkannya secara iteratif ke konformasi kesetimbangannya, dan kemudian memprediksi properti kimia kuantum. Uni-Mol+ telah menunjukkan peningkatan yang signifikan dibandingkan metode state-of-the-art sebelumnya pada benchmark seperti PCQM4MV2 dan OC20.
Uni-Mol Tools menyediakan wrapper yang ramah pengguna untuk prediksi properti otomatis, representasi, dan tugas hilir lainnya menggunakan Uni-Mol. Ini dapat diinstal melalui pip (`pip install unimol-tools`) dan menawarkan alat untuk prediksi properti molekuler, generasi representasi, dan berbagai aplikasi lainnya.
Uni-Mol Docking V2 memajukan prediksi pose pengikatan protein-ligan, mencapai kinerja terdepan di industri yang sebanding dengan AlphaFold3. Ini secara akurat memprediksi pose pengikatan untuk persentase ligan yang tinggi, menghindari masalah umum seperti inversi kiralitas dan bentrokan sterik yang ditemukan pada model machine learning sebelumnya. Layanan untuk Uni-Mol Docking V2 tersedia.
Uni-Mol2 adalah model pra-pelatihan molekuler yang fleksibel dan dapat diskalakan, menampilkan arsitektur transformer dua jalur yang mengintegrasikan fitur struktural atom, grafik, dan geometris. Ini menawarkan model mulai dari 84 juta hingga 1,1 miliar parameter, memungkinkan pengguna untuk memilih ukuran yang paling sesuai untuk tugas molekuler mereka. Uni-Mol2 telah ditingkatkan hingga 1,1 miliar parameter, menjadikannya salah satu model pra-pelatihan molekuler terbesar hingga saat ini, dilatih pada 800 juta konformasi. Ketersediaannya di `unimol_tools` memungkinkan pemanfaatan representasi dan kemampuan fine-tuning-nya dengan mudah.
- KategoriPenemuan Ilmiah & Alat Laboratorium
- Model HargaOpen source
- PenerapanCloud
- PlatformWeb
Fitur Inti Uni-Mol
Kerangka kerja pembelajaran representasi molekuler 3D universal
Model pra-terlatih untuk data molekuler dan kantong protein
Kinerja tinggi dalam tugas prediksi properti molekuler
Kinerja tugas spasial 3D yang akurat (pose pengikatan, generasi konformasi)
Prediksi properti kimia kuantum dengan Uni-Mol+
Optimasi konformasi 3D iteratif untuk prediksi QC
Wrapper yang mudah digunakan untuk prediksi properti dan representasi dengan Uni-Mol Tools
Prediksi pose pengikatan protein-ligan terdepan di industri dengan Uni-Mol Docking V2
Model pra-pelatihan molekuler yang dapat diskalakan (Uni-Mol2) dari 84M hingga 1.1B parameter
Arsitektur transformer dua jalur yang mengintegrasikan fitur atom, grafik, dan geometris
Dukungan untuk berbagai tugas molekuler hilir
Dirilis dengan beberapa makalah penelitian dan publikasi
Memulai dengan Uni-Mol
Akses model: Dapatkan akses ke model dan alat Uni-Mol.
Siapkan lingkungan: Konfigurasikan lingkungan lokal Anda dengan dependensi yang diperlukan.
Integrasikan melalui API: Gunakan API atau wrapper yang disediakan untuk akses terprogram.
Muat model pra-terlatih: Muat model Uni-Mol tertentu untuk tugas pilihan Anda.
Siapkan data input: Format data molekuler atau protein-ligan Anda sesuai persyaratan.
Jalankan prediksi: Lakukan prediksi properti, simulasi docking, atau generasi representasi.
Evaluasi hasil: Analisis output dan nilai kinerja untuk aplikasi Anda.
Kasus Penggunaan Uni-Mol
- Prediksi Properti Molekuler
- Prediksi Pose Pengikatan
- Pemodelan Kimia Kuantum
- Generasi Konformasi
- Pembelajaran Representasi Molekuler
- Desain Obat
- Ilmu Material
