Google Deepmind está entrando en la investigación biomédica con TXGEMMA, un conjunto de modelos de IA de código abierto diseñados para ayudar en el desarrollo terapéutico. Lanzado a fines de marzo de 2025, la iniciativa se destaca por su accesibilidad, ofreciendo herramientas que pueden ejecutarse en hardware de grado al consumidor e integrarse con flujos de trabajo biomédicos especializados.
El paquete incluye modelos predictivos para evaluar proteínas y compuestos, junto con un agente conversacional impulsado por Gemini 1.5 Pro que automatiza los procesos de investigación científicos. Ambas están disponibles en plataformas como abrazando la cara y vértice ai, con Notebooks colabs Proporcionado href=”https://developers.google.com/health-ai-de-developer-foundations/txgemma/model-card”target=”_ en blanco”> Los modelos principales de Txgemma están capacitados en datos específicos de dominio, con tamaños de parámetros de 2b, 9b y 27b. The 9B and 27B versions also support conversational interaction for researchers seeking more flexible exchanges.
These models were trained on instruction pairs sourced from the Therapeutics Data Commons (TDC) , habilitándoles procesar y evaluar secuencias químicas, proteínas, enfermedades y líneas celulares.
Como se describe en la documentación oficial de Google, los modelos TXGEMMM están diseñados para facilitar que los modelos de aprendizaje automático de los Txgemma evalúen y desarrollaran los modelos de aprendizaje automático para obtener medios de aprendizaje automático.
Los modelos pueden funcionar en cualquier modo de predicción, con entradas estrechas y estructuradas para tareas como la clasificación de compuestos, o en un modo de chat que admite el razonamiento múltiple. Al ofrecer versiones cuantificadas, Google se asegura de que se puedan implementar en GPU o TPU sin comprometer mucho en precisión o latencia.
agente-tx: un asistente de investigación con herramientas
Agentic-tx es la otra mitad del lanzamiento de Txgemma. A diferencia de los modelos base, este agente no se centra solo en las predicciones. En cambio, está diseñado para realizar flujos de trabajo de investigación completos utilizando las capacidades de razonamiento de Gemini 1.5 Pro y herramientas externas como Alfafold, ESMFold y Sistemas de búsqueda de literatura.
El sistema maneja tareas de varios pasos que tradicionalmente requerirían una curación manual o múltiples scripts. Permite que un investigador comience con una pregunta, como identificar sitios de unión para una proteína, y recibir respuestas iterativas y respaldadas por herramientas con razonamiento biológico incluido en la cadena de interacción.
Gemma 2 Foundation y contexto de investigación
mientras Google introdujo Gemma 3 antes en marzo, TXGEMMA en realidad se construye en el arquitectura anterior. La familia Gemma 2 consta de modelos de transformadores solo decodificadores optimizados para una implementación eficiente, incluso en plataformas móviles y web. Estos modelos fueron diseñados para apoyar los flujos de trabajo de la modularidad y la investigación abiertas, lo que los convierte en una base adecuada para aplicaciones biomédicas.
Gemma 3 en sí misma trajo actualizaciones notables, como soporte multimodal, una ventana de contexto de 128k-token y una compatibilidad con más de 140 idiomas, pero esas características no estaban directamente incorporadas en TXGemma. No obstante, su proximidad en el calendario de lanzamiento ilustra el impulso más amplio de Google para extender las herramientas de IA más allá de los modelos de chat de propósito general y en campos más especializados.
Para obtener seguridad y transparencia adicionales, el ecosistema de Gemma más amplio también incluye ShieldGemma 2, un clasificador de seguridad basado en imágenes y Gemma Scope , un set de Sparse AutOeCoders Forment. Si bien estas herramientas no se empaquetan explícitamente con TXGEMMA, su existencia sugiere una filosofía de diseño compartida centrada en el uso responsable de la IA en los dominios científicos.
por qué el acceso abierto es importante en la terapéutica
TXGEMMA, la liberación de fuente abierta refleja un movimiento estratégico hacia la transparencia y la reproducción en la investigación biológica. Al publicar tanto los modelos como las herramientas asociadas en las plataformas accesibles, DeepMind espera reducir la barrera para los laboratorios académicos, las startups de biotecnología y los investigadores que trabajan en entornos de recursos limitados.
Google dice que es el objetivo el objetivo es admitir las limitaciones más rápidas, más eficientes y más eficientes y más eficientes. La promesa de TXGEMMA es clara, la aplicación del mundo real todavía requiere precaución. Los modelos cuantificados pueden ofrecer una eficiencia mejorada, pero la compensación a menudo implica cierta reducción en la precisión. Del mismo modo, la dependencia de Agentic-TX en herramientas externas introduce puntos de falla potencial o inconsistencia, dependiendo de qué tan bien se integren esos sistemas con flujos de trabajo específicos.
Además, mientras que la interfaz de conversación de los modelos más grandes ofrece flexibilidad, podría representar desafíos en entornos altamente regulados donde se esperan salidas deterministas y auditables. La evaluación independiente de las predicciones de los modelos será esencial antes de incorporarse en tuberías clínicas o plataformas de desarrollo de fármacos comerciales.
, sin embargo, la capacidad de ejecutar modelos biomédicos específicos de dominio con un solo acelerador de aceleradores, y para interactuar con ellos a través del lenguaje natural mientras invocan herramientas científicas avanzadas: marca un cambio en la AI que se puede utilizar en terapeutics Research. Toolkit, no un sistema llave en mano
txgemma no es un motor de descubrimiento de fármacos de extremo a extremo. En cambio, es un marco modular, uno que invita a los investigadores a experimentar, iterar y construir sobre él. Con el apoyo a las modalidades terapéuticas que van desde el análisis de la estructura de proteínas hasta la predicción de la toxicidad, está diseñado para adaptarse a los flujos de trabajo científicos existentes sin exigir infraestructura patentada o bloqueo de proveedores. colaborador científico.