Descrição
Uni-Mol é um framework abrangente para aprendizado de representação molecular 3D, projetado para aprimorar o desempenho em um amplo espectro de aplicações downstream em design de drogas e ciência molecular. O modelo central Uni-Mol é um framework universal de pré-treinamento molecular 3D que expande significativamente a capacidade de representação e o escopo de aplicação. Ele compreende dois modelos pré-treinados: um treinado em 209 milhões de conformações moleculares 3D e outro em 3 milhões de dados de bolsos de proteína candidatos. Esses modelos podem ser usados independentemente ou combinados para tarefas de ligação proteína-ligante. Uni-Mol demonstrou desempenho superior em 14 de 15 tarefas de predição de propriedades moleculares e alcançou precisão excepcional em tarefas espaciais 3D, incluindo predição de pose de ligação proteína-ligante e geração de conformação molecular.
Uni-Mol+ foca na predição de propriedades quânticas químicas de alta precisão. Ele pega um grafo molecular 2D, gera uma conformação 3D inicial, otimiza-a iterativamente até sua conformação de equilíbrio e, em seguida, prevê propriedades quânticas químicas. Uni-Mol+ mostrou melhorias significativas em relação aos métodos de ponta anteriores em benchmarks como PCQM4MV2 e OC20.
Uni-Mol Tools fornece wrappers fáceis de usar para predição automática de propriedades, representação e outras tarefas downstream usando Uni-Mol. Ele pode ser instalado via pip (`pip install unimol-tools`) e oferece ferramentas para predição de propriedades moleculares, geração de representação e várias outras aplicações.
Uni-Mol Docking V2 avança a predição de pose de ligação proteína-ligante, alcançando desempenho líder na indústria comparável ao AlphaFold3. Ele prevê com precisão poses de ligação para uma alta porcentagem de ligantes, contornando problemas comuns como inversões de quiralidade e colisões estéricas encontradas em modelos anteriores de aprendizado de máquina. Um serviço para Uni-Mol Docking V2 está disponível.
Uni-Mol2 é um modelo de pré-treinamento molecular flexível e escalável, apresentando uma arquitetura transformer de duas trilhas que integra características estruturais atômicas, de grafo e geométricas. Ele oferece modelos que variam de 84 milhões a 1,1 bilhão de parâmetros, permitindo que os usuários selecionem o tamanho mais adequado para suas tarefas moleculares. Uni-Mol2 foi escalado para 1,1 bilhão de parâmetros, tornando-o um dos maiores modelos de pré-treinamento molecular até o momento, treinado em 800 milhões de conformações. Sua disponibilidade em `unimol_tools` permite a fácil utilização de suas capacidades de representação e fine-tuning.
Destaques de Uni-Mol
Framework universal de aprendizado de representação molecular 3D
Modelos pré-treinados para dados moleculares e de bolsos de proteína
Alto desempenho em tarefas de predição de propriedades moleculares
Desempenho preciso em tarefas espaciais 3D (pose de ligação, geração de conformação)
Predição de propriedades quânticas químicas com Uni-Mol+
Otimização iterativa de conformação 3D para predição QC
Wrappers fáceis de usar para predição de propriedades e representação com Uni-Mol Tools
Predição de pose de ligação proteína-ligante líder na indústria com Uni-Mol Docking V2
Modelos de pré-treinamento molecular escaláveis (Uni-Mol2) de 84M a 1,1B parâmetros
Arquitetura transformer de duas trilhas integrando características atômicas, de grafo e geométricas
Suporte para várias tarefas moleculares downstream
Lançado com múltiplos artigos de pesquisa e publicações
Primeiros passos com Uni-Mol
Acessar modelo: Obtenha acesso aos modelos e ferramentas Uni-Mol.
Configurar ambiente: Configure seu ambiente local com as dependências necessárias.
Integrar via API: Utilize APIs ou wrappers fornecidos para acesso programático.
Carregar modelos pré-treinados: Carregue modelos Uni-Mol específicos para sua tarefa escolhida.
Preparar dados de entrada: Formate seus dados moleculares ou de proteína-ligante de acordo com os requisitos.
Executar predições: Execute predições de propriedades, simulações de docking ou geração de representação.
Avaliar resultados: Analise a saída e avalie o desempenho para sua aplicação.
Casos de uso de Uni-Mol
- Predição de Propriedades Moleculares
- Predição de Pose de Ligação
- Modelagem Quântica Química
- Geração de Conformação
- Aprendizado de Representação Molecular
- Design de Drogas
- Ciência de Materiais
