Google DeepMind 推出 TxGemma：推进 AI 驱动的药物发现和开发

快速阅读: 据《InfoQ 公司》称，DeepMind推出TxGemma AI模型集，优化药物研发流程。基于Gemma模型，TxGemma通过LLMs提升药物特性预测效率，有三种参数规模，并推出互动式AI TxGemma-Chat及集成工具的Agentic-Tx，已在多个平台开放供研究使用。

谷歌旗下DeepMind宣布推出TxGemma，这是一组旨在提升药物发现和临床试验预测效率的人工智能模型开源集合。基于Gemma模型家族，TxGemma致力于简化药物开发流程并加速新疗法的发现。新型治疗药物的研发是一个缓慢且成本高昂的过程，通常失败率很高——90%的药物候选者无法通过一期临床试验。TxGemma通过利用大型语言模型（LLMs）来增强整个研究管道中治疗特性的预测，以应对这一挑战。从识别有前景的药物靶点到评估临床试验结果，TxGemma为研究人员提供了先进的工具，以提高药物开发的效率和流畅性。

TRUSTBYTES联合创始人兼首席执行官张哲耀强调了AI驱动解释在药物研究中的重要性：TxGemma是Tx-LLM的继任者，Tx-LLM是在去年十月引入的用于治疗研究的模型。由于科学界表现出极大的兴趣，DeepMind对其进行了优化和扩展，开发了作为开源替代方案的TxGemma，具有增强的性能和可扩展性。经过700万个示例的训练，TxGemma有三种尺寸——2B、9B和27B参数，并有专门的Predict版本针对关键治疗任务进行定制。这些包括：分类——预测分子是否能穿过血脑屏障；回归——估算药物结合亲和力；生成——根据化学反应推断反应物。在基准测试中，27B参数的Predict模型在66个关键任务中有64个表现优于或匹配专业模型。更多关于结果的详细信息可在发表的论文中找到。

除了其预测模型外，TxGemma-Chat还提供互动式AI体验，让研究人员能够提出复杂问题、获得详细解释并参与多轮对话。这一能力有助于阐明预测背后的逻辑，例如根据分子结构解释为什么它可能是有毒的。为了使TxGemma能够适应特定的研究需求，谷歌DeepMind发布了一个微调示例Colab笔记本，允许研究人员调整模型以适应自己的数据。

除了其预测模型外，谷歌DeepMind推出了Agentic-Tx，它将TxGemma整合到多步骤研究工作流中。通过结合TxGemma与Gemini 2.0 Pro，Agentic-Tx利用18种专业工具增强研究能力。Agentic-Tx已在Humanity’s Last Exam和ChemBench等基准测试中得到验证，展示其协助完成需要跨多步推理的复杂研究任务的能力。

目前，TxGemma已在Vertex AI Model Garden和Hugging Face上提供，研究人员和开发者可以在此实验模型、使用微调工具并提供反馈。

(以上内容均由Ai生成)