M3-20M: A Large-Scale Multi-Modal Molecule Dataset for AI-driven Drug Design and Discovery

比例(比率) 情态动词 药物发现 计算机科学 计算生物学 人工智能 数据挖掘 生物 物理 化学 生物信息学 量子力学 高分子化学
作者
Siyuan Guo,Lexuan Wang,Chang Jin,Jinxian Wang,Peng Han,H. C. Shi,Wengen Li,Jihong Guan,Shuigeng Zhou
出处
期刊:Journal of Bioinformatics and Computational Biology [Imperial College Press]
卷期号:23 (02)
标识
DOI:10.1142/s0219720025500064
摘要

This paper introduces M3-20M, a large-scale Multi-Modal Molecule dataset that contains over 20 million molecules, with the data mainly being integrated from existing databases and partially generated by large language models. Designed to support AI-driven drug design and discovery, M3-20M is 71 times more in the number of molecules than the largest existing dataset, providing an unprecedented scale that can highly benefit the training or fine-tuning of models, including large language models for drug design and discovery tasks. This dataset integrates one-dimensional SMILES, two-dimensional molecular graphs, three-dimensional molecular structures, physicochemical properties, and textual descriptions collected through web crawling and generated using GPT-3.5, offering a comprehensive view of each molecule. To demonstrate the power of M3-20M in drug design and discovery, we conduct extensive experiments on two key tasks: molecule generation and molecular property prediction, using large language models including GLM4, GPT-3.5, GPT-4, and Llama3-8b. Our experimental results show that M3-20M can significantly boost model performance in both tasks. Specifically, it enables the models to generate more diverse and valid molecular structures and achieve higher property prediction accuracy than existing single-modal datasets, which validates the value and potential of M3-20M in supporting AI-driven drug design and discovery. The dataset is available at https://github.com/bz99bz/M-3.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
1秒前
Akim应助端庄的豆芽采纳,获得10
1秒前
浊轶完成签到 ,获得积分10
1秒前
影子完成签到,获得积分10
2秒前
机智的皮皮虾完成签到,获得积分10
4秒前
辛勤香岚完成签到,获得积分10
4秒前
asdfqwer完成签到,获得积分0
4秒前
suise完成签到,获得积分10
5秒前
PiaoGuo完成签到,获得积分10
6秒前
6秒前
正直的念梦完成签到,获得积分10
6秒前
Wang发布了新的文献求助10
7秒前
犹豫战斗机完成签到,获得积分10
8秒前
两滴水的云完成签到,获得积分10
8秒前
zy完成签到,获得积分10
9秒前
sens完成签到,获得积分10
9秒前
风中冰香应助火星上乐驹采纳,获得10
9秒前
大力的忆霜完成签到 ,获得积分10
9秒前
9秒前
如意的尔竹完成签到 ,获得积分10
10秒前
深情的楷瑞完成签到 ,获得积分10
11秒前
poison完成签到 ,获得积分10
11秒前
科研通AI6应助科研通管家采纳,获得10
11秒前
无花果应助科研通管家采纳,获得10
11秒前
Clover04应助科研通管家采纳,获得10
11秒前
风中冰香应助科研通管家采纳,获得10
11秒前
搜集达人应助科研通管家采纳,获得10
11秒前
chrisio应助科研通管家采纳,获得10
12秒前
CipherSage应助科研通管家采纳,获得10
12秒前
浮游应助科研通管家采纳,获得10
12秒前
张露完成签到 ,获得积分10
12秒前
传奇3应助科研通管家采纳,获得10
12秒前
文静应助科研通管家采纳,获得10
12秒前
李健应助科研通管家采纳,获得10
12秒前
ding应助科研通管家采纳,获得10
12秒前
shi hui应助科研通管家采纳,获得10
12秒前
在水一方应助科研通管家采纳,获得10
12秒前
烟花应助科研通管家采纳,获得10
13秒前
晋启轩发布了新的文献求助10
13秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
FUNDAMENTAL STUDY OF ADAPTIVE CONTROL SYSTEMS 500
微纳米加工技术及其应用 500
Nanoelectronics and Information Technology: Advanced Electronic Materials and Novel Devices 500
Performance optimization of advanced vapor compression systems working with low-GWP refrigerants using numerical and experimental methods 500
Constitutional and Administrative Law 500
PARLOC2001: The update of loss containment data for offshore pipelines 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 遗传学 催化作用 冶金 量子力学 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 5294333
求助须知:如何正确求助?哪些是违规求助? 4444199
关于积分的说明 13832392
捐赠科研通 4328271
什么是DOI,文献DOI怎么找? 2376032
邀请新用户注册赠送积分活动 1371362
关于科研通互助平台的介绍 1336532