描述
Uni-Mol 是一个全面的三维分子表示学习框架，旨在提高在药物设计和分子科学领域广泛下游应用中的性能。核心 Uni-Mol 模型是一个通用的三维分子预训练框架，显著扩展了表示能力和应用范围。它包含两个预训练模型：一个在 2.09 亿个分子三维构象上训练，另一个在 300 万个候选蛋白质口袋数据上训练。这些模型可以独立使用，也可以组合用于蛋白质-配体结合任务。Uni-Mol 在 15 项分子属性预测任务中的 14 项上均表现出卓越的性能，并在三维空间任务中取得了卓越的准确性，包括蛋白质-配体结合位点预测和分子构象生成。
阅读更多
Uni-Mol+ 专注于高精度的量子化学属性预测。它接收一个二维分子图，生成初始三维构象，然后迭代优化至其平衡构象，最后预测量子化学属性。Uni-Mol+ 在 PCQM4MV2 和 OC20 等基准测试中显示出比以往最先进方法显著的改进。
Uni-Mol Tools 为使用 Uni-Mol 进行自动属性预测、表示和其他下游任务提供了用户友好的包装器。可以通过 pip 安装（`pip install unimol-tools`），并提供用于分子属性预测、表示生成和各种其他应用的工具。
Uni-Mol Docking V2 改进了蛋白质-配体结合位点预测，取得了与 AlphaFold3 相媲美的行业领先性能。它能准确预测高比例配体的结合位点，规避了以往机器学习模型中常见的立体化学反转和空间位阻等问题。Uni-Mol Docking V2 的服务已可用。
Uni-Mol2 是一个灵活且可扩展的分子预训练模型，采用双轨道 Transformer 架构，集成了原子、图和几何结构特征。它提供了从 8400 万到 11 亿参数的模型，允许用户选择最适合其分子任务的大小。Uni-Mol2 已扩展到 11 亿参数，成为迄今为止最大的分子预训练模型之一，在 8 亿个构象上进行了训练。它在 `unimol_tools` 中的可用性使其能够轻松利用其表示和微调能力。
- 类别科学发现与实验室工具
- 定价模式开源
- 部署云端
- 平台网页版
Uni-Mol的核心功能
通用三维分子表示学习框架
用于分子和蛋白质口袋数据的预训练模型
在分子属性预测任务中表现出色
准确的三维空间任务性能（结合位点、构象生成）
使用 Uni-Mol+ 进行量子化学属性预测
用于 QC 预测的迭代三维构象优化
使用 Uni-Mol Tools 进行属性预测和表示的易用包装器
使用 Uni-Mol Docking V2 进行行业领先的蛋白质-配体结合位点预测
可扩展的分子预训练模型（Uni-Mol2），参数量从 8400 万到 11 亿
集成原子、图和几何特征的双轨道 Transformer 架构
支持各种下游分子任务
已发布多篇研究论文和出版物
Uni-Mol入门
访问模型：获取 Uni-Mol 模型和工具的访问权限。
设置环境：使用必要的依赖项配置您的本地环境。
通过 API 集成：利用提供的 API 或包装器进行程序化访问。
加载预训练模型：为选定的任务加载特定的 Uni-Mol 模型。
准备输入数据：根据要求格式化您的分子或蛋白质-配体数据。
运行预测：执行属性预测、对接模拟或表示生成。
评估结果：分析输出并评估您的应用程序的性能。
Uni-Mol的使用案例
- 分子属性预测
- 结合位点预测
- 量子化学建模
- 构象生成
- 分子表示学习
- 药物设计
- 材料科学
