설명
Uni-Mol은 약물 설계 및 분자 과학 분야의 광범위한 다운스트림 애플리케이션에서 성능을 향상시키도록 설계된 3D 분자 표현 학습을 위한 포괄적인 프레임워크입니다. 핵심 Uni-Mol 모델은 표현 용량과 애플리케이션 범위를 크게 확장하는 범용 3D 분자 사전 학습 프레임워크입니다. 이 모델은 2억 9백만 개의 분자 3D 구조와 3백만 개의 후보 단백질 포켓 데이터로 학습된 두 개의 사전 학습 모델로 구성됩니다. 이 모델들은 단독으로 사용하거나 단백질-리간드 결합 작업에 결합하여 사용할 수 있습니다. Uni-Mol은 15가지 분자 속성 예측 작업 중 14가지에서 우수한 성능을 입증했으며, 단백질-리간드 결합 자세 예측 및 분자 구조 생성과 같은 3D 공간 작업에서 뛰어난 정확도를 달성했습니다.
Uni-Mol+는 매우 정확한 양자 화학 속성 예측에 중점을 둡니다. 2D 분자 그래프를 가져와 초기 3D 구조를 생성하고, 이를 평형 구조로 반복적으로 최적화한 다음, 양자 화학 속성을 예측합니다. Uni-Mol+는 PCQM4MV2 및 OC20과 같은 벤치마크에서 이전의 최첨단 방법보다 상당한 개선을 보여주었습니다.
Uni-Mol Tools는 Uni-Mol을 사용하여 자동 속성 예측, 표현 및 기타 다운스트림 작업을 위한 사용자 친화적인 래퍼를 제공합니다. pip(`pip install unimol-tools`)를 통해 설치할 수 있으며 분자 속성 예측, 표현 생성 및 기타 다양한 애플리케이션을 위한 도구를 제공합니다.
Uni-Mol Docking V2는 단백질-리간드 결합 자세 예측을 발전시켜 AlphaFold3와 비교할 수 있는 업계 최고의 성능을 달성합니다. 이전 기계 학습 모델에서 흔히 발생하는 키랄성 반전 및 입체 충돌과 같은 문제를 우회하면서 높은 비율의 리간드에 대한 결합 자세를 정확하게 예측합니다. Uni-Mol Docking V2에 대한 서비스가 제공됩니다.
Uni-Mol2는 원자, 그래프 및 기하학적 구조 특징을 통합하는 2트랙 트랜스포머 아키텍처를 특징으로 하는 유연하고 확장 가능한 분자 사전 학습 모델입니다. 8,400만 개에서 11억 개에 이르는 매개변수 범위를 제공하여 사용자가 분자 작업에 가장 적합한 크기를 선택할 수 있습니다. Uni-Mol2는 8억 개의 구조로 학습되어 현재까지 가장 큰 분자 사전 학습 모델 중 하나인 11억 개의 매개변수로 확장되었습니다. `unimol_tools`에서 사용할 수 있어 표현 및 미세 조정 기능을 쉽게 활용할 수 있습니다.
Uni-Mol 하이라이트
범용 3D 분자 표현 학습 프레임워크
분자 및 단백질 포켓 데이터용 사전 학습 모델
분자 속성 예측 작업에서의 높은 성능
정확한 3D 공간 작업 성능 (결합 자세, 구조 생성)
Uni-Mol+를 사용한 양자 화학 속성 예측
QC 예측을 위한 반복적인 3D 구조 최적화
Uni-Mol Tools를 사용한 속성 예측 및 표현을 위한 사용하기 쉬운 래퍼
Uni-Mol Docking V2를 사용한 업계 최고의 단백질-리간드 결합 자세 예측
8,400만 ~ 11억 매개변수의 확장 가능한 분자 사전 학습 모델 (Uni-Mol2)
원자, 그래프 및 기하학적 특징을 통합하는 2트랙 트랜스포머 아키텍처
다양한 다운스트림 분자 작업 지원
여러 연구 논문 및 출판물과 함께 릴리스됨
Uni-Mol 시작하기
모델 액세스: Uni-Mol 모델 및 도구에 액세스합니다.
환경 설정: 필요한 종속성으로 로컬 환경을 구성합니다.
API를 통한 통합: 제공된 API 또는 래퍼를 사용하여 프로그래밍 방식으로 액세스합니다.
사전 학습 모델 로드: 선택한 작업에 대해 특정 Uni-Mol 모델을 로드합니다.
입력 데이터 준비: 요구 사항에 따라 분자 또는 단백질-리간드 데이터를 형식화합니다.
예측 실행: 속성 예측, 도킹 시뮬레이션 또는 표현 생성을 실행합니다.
결과 평가: 출력을 분석하고 애플리케이션 성능을 평가합니다.
Uni-Mol의 사용 사례
- 분자 속성 예측
- 결합 자세 예측
- 양자 화학 모델링
- 구조 생성
- 분자 표현 학습
- 신약 개발
- 재료 과학
