Google DeepMind astuu biolääketieteelliseen tutkimukseen TXGEMMA: n kanssa, joka on avoimen lähdekoodin AI-malleja, jotka on suunniteltu auttamaan terapeuttisessa kehityksessä. Maaliskuun lopulla 2025 julkaistu aloite erottuu saavutettavuudestaan tarjoamalla työkaluja, jotka voivat toimia kuluttajaluokan laitteistossa ja integroitumaan erikoistuneisiin biolääketieteellisiin työnkulkuihin.
Paketti sisältää ennustemallit proteiinien ja yhdisteiden arvioimiseksi Gemini 1.5 Pro: n Pro Automate-tutkimusprosessien käyttämää keskusteluainetta. Molemmat ovat saatavilla alustoilla, kuten halaaminen kasvot ja Vertex AI,
Mallit voivat toimia kummassakin ennustetilassa-kapeiden, jäsennellyn tuloksen kanssa tehtäviin, kuten yhdistelmäluokitteluun-tai chat-tilassa, joka tukee monen käännöksen päättelyä. Tarjoamalla kvantisoituja versioita Google varmistaa, että ne voidaan ottaa käyttöön yhdellä GPU: lla tai TPU: lla vaarantamatta paljon tarkkuutta tai viivettä. href=”https://github.com/google-gemini/gemma-cookbook/blob/main/txgemma/%5BTXGEMMA%5Dagentic_demo_with_hugging_face.ipynb”Target=”_ tyhjä”> agentic-tx on toinen puoli txgemma-julkaisusta. Toisin kuin perusmallit, tämä agentti ei ole keskittynyt pelkästään ennusteisiin. Sen sijaan se on suunniteltu suorittamaan kokonaiset tutkimustyönkulut Gemini 1.5 Pro: n päättelymahdollisuuksien ja ulkoisten työkalujen, kuten Alphafoldin, ESMFOLD-ja kirjallisuushakujärjestelmien, avulla. Sen avulla tutkija voi aloittaa kysymyksellä-kuten proteiinin sitoutumiskohtien tunnistaminen-ja vastaanottaa iteratiivisia, työkalujen tukemia vastauksia biologisten päättelyjen kanssa vuorovaikutusketjussa. Gemma 2-perhe koostuu vain dekooderi-muuntajamalleista, jotka on optimoitu tehokkaaseen käyttöönottoon, jopa mobiili-ja verkkoalustoihin. Nämä mallit on suunniteltu tukemaan modulaarisuutta ja avoimia tutkimuksen työnkulkuja, mikä tekee niistä sopivan perustan biolääketieteellisille sovelluksille.
Gemma 3 toi itse merkittäviä päivityksiä-kuten multimodaalinen tuki, 128k-sanottu kontekstiikkuna ja yhteensopivuus yli 140 kielen kanssa-, mutta niiden piirteitä ei sisällytetty suoraan Txgemmaan. Siitä huolimatta niiden läheisyys julkaisukalenteriin kuvaa Googlen laajempaa pyrkimystä laajentaa AI-työkaluja yleiskäyttöisten chat-mallejen ulkopuolelle ja erikoistuneempiin kenttiin.
Lisäturvallisuutta ja läpinäkyvyyttä varten laajempi Gemma-ekosysteemi sisältää myös Shieldgemma 2, kuvapohjaisen turvallisuusluokan ja Gemma Scope , SPARSE AUTONECODERS-sovelluksen omaisuus. Vaikka näitä työkaluja ei ole nimenomaisesti pakattu TXGEMMA: lla, niiden olemassaolo ehdottaa jaettua suunnittelufilosofiaa, joka on keskittynyt vastuulliseen AI-käyttöön tieteellisillä alueilla.
miksi avoimessa pääsyssä on merkitystä Terapeuticsin
txgemman avoimen lähdekoodin vapautumisessa heijastaa strategista siirtymistä kohti liikenteen ja jatkuvuuden biomedicial-tutkimusta. Julkaisemalla sekä malleja että niihin liittyviä työkaluja saavutettavissa olevilla alustoilla, DeepMind toivoo vähentävän akateemisten laboratorioiden, biotekniikan aloittajien ja resurssien rajoittamien ympäristöjen tutkijoiden esteen.
Google sanoo, että sen tavoitteena on tukea nopeampaa, tehokkaampaa ja toistettavissa olevaa huumeiden löytämistä. Lupaus on selkeä, reaalimaailman sovellus vaatii edelleen varovaisuutta. Kvantisoidut mallit voivat tuottaa parannettua tehokkuutta, mutta kompromissiin liittyy usein tarkkuuden vähenemistä. Samoin Agentic-TX: n riippuvuus ulkoisista työkaluista tuo esiin mahdollisen epäonnistumisen tai epäjohdonmukaisuuden kohtia riippuen siitä, kuinka hyvin nämä järjestelmät integroituvat tiettyihin työnkulkuihin.
Lisäksi, kun taas suurempien mallien keskusteluliittymä tarjoaa joustavuutta, se voi aiheuttaa haasteita erittäin säänneltyissä ympäristöissä, joissa odotetaan erittäin säänneltyissä ympäristöissä. Mallien ennusteiden riippumaton arviointi on välttämätöntä ennen kuin ne sisällytetään kliinisiin putkistoihin tai kaupallisiin lääkekehitysalustoihin.
Siitä huolimatta kyky suorittaa aluekohtaisia biolääketieteellisiä malleja vain yhdellä kiihdyttimellä-ja olla vuorovaikutuksessa niiden kanssa luonnollisen kielen kautta, kun se vetoaa edistyneisiin tieteellisiin työkaluihin-merkitsee muutosta AI: ssa, miten AI: ta ei voida käyttää. avaimet käteen-järjestelmä
txgemma ei ole päästä päähän-lääkkeiden löytämismoottori. Sen sijaan se on modulaarinen kehys-sellainen, joka kutsuu tutkijoita kokeilemaan, iteroimaan ja rakentamaan sen päälle. Tuellaan terapeuttisten modaalisuuksien avulla proteiinirakenteen analyysistä toksisuuden ennustamiseen, se on suunniteltu sopimaan olemassa oleviin tieteellisiin työnkulkuihin ilman, että vaaditaan omaa infrastruktuuria tai myyjän lukitusta. Yhteistyökumppani