説明
Uni-Molは、医薬品設計や分子科学における幅広い下流アプリケーションのパフォーマンスを向上させるために設計された、汎用的な3D分子表現学習のための包括的なフレームワークです。コアとなるUni-Molモデルは、表現能力とアプリケーション範囲を大幅に拡張する汎用的な3D分子事前学習フレームワークです。2億900万の分子3D配座と300万の候補タンパク質ポケットデータで学習された2つの事前学習済みモデルで構成されています。これらのモデルは、独立して使用することも、タンパク質-リガンド結合タスクのために組み合わせることも可能です。Uni-Molは、15の分子プロパティ予測タスクのうち14で優れたパフォーマンスを示し、タンパク質-リガンド結合ポーズ予測や分子配座生成を含む3D空間タスクで卓越した精度を達成しました。
Uni-Mol+は、高精度な量子化学プロパティ予測に焦点を当てています。2D分子グラフを入力とし、初期の3D配座を生成し、それを平衡配座に反復的に最適化してから、量子化学プロパティを予測します。Uni-Mol+は、PCQM4MV2やOC20などのベンチマークで、以前の最先端手法を大幅に上回る改善を示しました。
Uni-Mol Toolsは、Uni-Molを使用した自動プロパティ予測、表現生成、その他の下流タスクのためのユーザーフレンドリーなラッパーを提供します。pip (`pip install unimol-tools`) を介してインストールでき、分子プロパティ予測、表現生成、その他の様々なアプリケーションのためのツールを提供します。
Uni-Mol Docking V2は、タンパク質-リガンド結合ポーズ予測をさらに進化させ、AlphaFold3に匹敵する業界をリードするパフォーマンスを達成しています。リガンドの大部分に対して結合ポーズを正確に予測し、以前の機械学習モデルで見られたキラリティ反転や立体障害などの一般的な問題を回避します。Uni-Mol Docking V2のサービスが利用可能です。
Uni-Mol2は、原子、グラフ、幾何学的構造特徴を統合する2トラックTransformerアーキテクチャを備えた、柔軟でスケーラブルな分子事前学習モデルです。8400万から11億パラメータまでのモデルを提供し、ユーザーは分子タスクに最適なサイズを選択できます。Uni-Mol2は11億パラメータまでスケーリングされており、これまでにない最大の分子事前学習モデルの1つであり、8億の配座で学習されています。`unimol_tools` で利用可能であるため、その表現能力とファインチューニング機能を簡単に利用できます。
Uni-Molのハイライト
汎用的な3D分子表現学習フレームワーク
分子およびタンパク質ポケットデータ用の事前学習済みモデル
分子プロパティ予測タスクにおける高パフォーマンス
正確な3D空間タスクパフォーマンス（結合ポーズ、配座生成）
Uni-Mol+による量子化学プロパティ予測
QC予測のための反復的な3D配座最適化
Uni-Mol Toolsによるプロパティ予測および表現のための使いやすいラッパー
Uni-Mol Docking V2による業界をリードするタンパク質-リガンド結合ポーズ予測
84Mから1.1Bパラメータまでのスケーラブルな分子事前学習モデル（Uni-Mol2）
原子、グラフ、幾何学的特徴を統合する2トラックTransformerアーキテクチャ
様々な下流分子タスクのサポート
複数の研究論文および出版物とともにリリース
Uni-Molをはじめる
モデルへのアクセス: Uni-Molモデルおよびツールへのアクセスを取得します。
環境設定: 必要な依存関係でローカル環境を構成します。
API経由での統合: 提供されているAPIまたはラッパーを使用してプログラムでアクセスします。
事前学習済みモデルのロード: 選択したタスクのために特定のUni-Molモデルをロードします。
入力データの準備: 分子またはタンパク質-リガンドデータを要件に従ってフォーマットします。
予測の実行: プロパティ予測、ドッキングシミュレーション、または表現生成を実行します。
結果の評価: 出力を分析し、アプリケーションのパフォーマンスを評価します。
Uni-Molの使用例
- 分子プロパティ予測
- 結合ポーズ予測
- 量子化学モデリング
- 配座生成
- 分子表現学習
- 創薬
- 材料科学
