Google DeepMind está entrando em pesquisa biomédica com o TXGEMMA, um conjunto de modelos de IA de código aberto projetados para ajudar no desenvolvimento terapêutico. Lançado no final de março de 2025, a iniciativa se destaca por sua acessibilidade, oferecendo ferramentas que podem ser executadas em hardware de nível de consumidor e integrar-se a fluxos de trabalho biomédicos especializados. Ambos estão disponíveis em plataformas como Abraçando o rosto e o vértice ai, com colab notebooks Foram fornecidos experimentos práticos. href=”https://developers.google.com/health-ai-developer-foundations/txgemma/modelcard”Target=”_ Blank”> Os principais modelos do TXGEMMA são treinados em dados específicos do domínio, com tamanhos de parâmetros de 2B, 9b e 27b. As versões 9b e 27b também suportam interação conversacional para pesquisadores que buscam trocas mais flexíveis. href=”https://tdCommons.ai”Target=”_ Blank”> Terapêuticos Dados Commons (TDC) , permitindo que eles processem e avalie sequências químicas, proteínas, doenças e linhas celulares.
Os modelos podem operar no modo de previsão-com entradas estreitas e estruturadas para tarefas como classificação composta-ou em um modo de bate-papo que suporta o raciocínio de várias turnos. Ao oferecer versões quantizadas, o Google garante que elas possam ser implantadas em GPUs ou TPUs únicos sem comprometer muito a precisão ou latência. href=”https://github.com/googleg-gimini/GEMMA-CookBook/blob/Main/TXGEMMA/%5BTXGEMMA%5DAGENTIC_DEMO_WITH_HUGGING_FACFE.IPYNB”Target=”_ Blank> Agentic-tx ISSE ASSIM NEUTHE OUTO DO OSTE ON OSTE ON OSTE OUTH O OUTRO DO OUTRO Ao contrário dos modelos básicos, esse agente não se concentra apenas nas previsões. Em vez disso, ele foi projetado para realizar fluxos de trabalho de pesquisa inteiros usando os recursos de raciocínio do Gemini 1.5 Pro e ferramentas externas como Alphafold, Esmold e Sistemas de Pesquisa de Literatura. Ele permite que um pesquisador comece com uma pergunta-como identificar locais de ligação para uma proteína-e receber respostas iterativas e apoiadas por ferramentas com o raciocínio biológico incluído na cadeia de interação. A família Gemma 2 consiste em modelos de transformadores somente para decodificadores otimizados para implantação eficiente, mesmo em plataformas móveis e web. Esses modelos foram projetados para suportar modularidade e fluxos de trabalho de pesquisa abertos, tornando-os uma base adequada para aplicações biomédicas. No entanto, sua proximidade no calendário de liberação ilustra o impulso mais amplo do Google para estender as ferramentas de IA além dos modelos de bate-papo de uso geral e em campos mais especializados.
Para segurança e transparência adicionais, o ecossistema mais amplo da Gemma href=”https://deepmind.google/discover/blog/gemma-scope-helping-tangue-sáfety-community-shed-light-on-the-inner-workings-of-language-models/?utm_source=chatgpt”Target=”_ Blank”> gemma Embora essas ferramentas não sejam explicitamente embaladas com o TXGEMMA, sua existência sugere uma filosofia de design compartilhada focada no uso responsável de IA em domínios científicos. Ao publicar os modelos e as ferramentas associadas em plataformas acessíveis, a DeepMind espera diminuir a barreira para laboratórios acadêmicos, startups de biotecnologia e pesquisadores que trabalham em ambientes com restrição de recursos. A promessa do TXGEMMA é clara, o aplicativo do mundo real ainda requer cautela. Os modelos quantizados podem oferecer uma eficiência aprimorada, mas a compensação geralmente envolve alguma redução na precisão. Da mesma forma, a dependência do Agentic-Tx em ferramentas externas introduz pontos de falha ou inconsistência potencial, dependendo de quão bem esses sistemas se integram a fluxos de trabalho específicos. A avaliação independente das previsões dos modelos será essencial antes de serem incorporadas em pipelines clínicos ou plataformas de desenvolvimento de medicamentos comerciais. Toolkit, não um sistema de mão chave
txgemma não é um mecanismo de descoberta de medicamentos de ponta a ponta. Em vez disso, é uma estrutura modular-que convida os pesquisadores a experimentar, iterar e construir sobre ela. Com suporte para modalidades terapêuticas que variam da análise da estrutura de proteínas à previsão de toxicidade, ele foi projetado para se encaixar nos fluxos de trabalho científicos existentes sem exigir infraestrutura proprietária ou bloqueio de fornecedores. Colaborador científico.