Google DeepMind melangkah ke dalam penelitian biomedis dengan TXGEMMA, serangkaian model AI open-source yang direkayasa untuk membantu dalam pengembangan terapeutik. Dirilis pada akhir Maret 2025, inisiatif ini menonjol karena aksesibilitasnya, menawarkan alat yang dapat berjalan pada perangkat keras kelas konsumen dan berintegrasi dengan alur kerja biomedis khusus.
Paket ini mencakup model prediktif untuk mengevaluasi protein dan senyawa, di samping agen percakapan yang didukung oleh Gemini 1.5 Pro yang mengotomatiskan proses penelitian. Keduanya tersedia di platform seperti memeluk wajah dan vertex ai, dengan Colab notebook Disediakan untuk eksperimen hands-on. href=”https://developers.google.com/health-ai-develever-foundations/txgemma/model-card”target=”_ blank”> model inti TXGEMMA dilatih pada data khusus domain, dengan ukuran parameter 2b, 9b, dan 27b. Versi 9b dan 27b juga mendukung interaksi percakapan untuk para peneliti yang mencari pertukaran yang lebih fleksibel.
Data terapeutik Commons (TDC) , memungkinkan mereka untuk memproses dan mengevaluasi urutan kimia, protein, penyakit, dan model yang lebih mudah.
Model dapat beroperasi dalam mode prediksi-dengan input sempit dan terstruktur untuk tugas-tugas seperti klasifikasi senyawa-atau dalam mode obrolan yang mendukung penalaran multi-turn. Dengan menawarkan versi terkuantisasi, Google memastikan mereka dapat digunakan pada GPU tunggal atau TPU tanpa mengurangi akurasi atau latensi.
agen-tx: asisten peneliti dengan alat
href=”https://github.com/google-gemini/gemma-cookbook/blob/main/txgemma/%5btxgemma%5dagentic_demo_with_hugging_face.ipynb”target=”_ blank”> agen-tx Agentic-tx
Sistem ini menangani tugas multi-langkah yang secara tradisional memerlukan kurasi manual atau beberapa skrip. Hal ini memungkinkan seorang peneliti untuk memulai dengan pertanyaan-seperti mengidentifikasi situs pengikatan untuk protein-dan menerima respons berulang yang didukung pahat dengan penalaran biologis yang termasuk dalam rantai interaksi.
Gemma 2 Foundation dan konteks penelitian
sementara Google memperkenalkan Gemma 3 sebelumnya. Keluarga Gemma 2 terdiri dari model transformator decoder-only yang dioptimalkan untuk penyebaran yang efisien, bahkan pada platform seluler dan web. Model-model ini dirancang untuk mendukung alur kerja modularitas dan terbuka, menjadikannya fondasi yang cocok untuk aplikasi biomedis.
Gemma 3 sendiri membawa peningkatan yang penting-seperti dukungan multimodal, jendela konteks 128k yang token, dan kompatibilitas dengan lebih dari 140 bahasa-bukan fitur-fitur tersebut tidak secara langsung dimasukkan ke dalam TXGEMMA. Meskipun demikian, kedekatan mereka pada kalender rilis menggambarkan dorongan Google yang lebih luas untuk memperluas alat AI di luar model obrolan tujuan umum dan menjadi bidang yang lebih khusus.
Untuk keamanan dan transparansi tambahan, ekosistem Gemma yang lebih luas juga mencakup Shieldgemma 2, classifier pengaman berbasis gambar, dan GEMMA SCOPOC Sementara alat-alat ini tidak dikemas secara eksplisit dengan TXGEMMA, keberadaannya menunjukkan filosofi desain bersama yang berfokus pada penggunaan AI yang bertanggung jawab dalam domain ilmiah.
Mengapa akses terbuka masalah dalam terapi terapi dan rilis rilis stratensial dalam transparan dan rilis txgemma dalam rilis rumor stratensial dalam transparasi stratensial dalam transparan rumor dalam transparan. Dengan menerbitkan baik model dan alat terkait pada platform yang dapat diakses, DeepMind berharap untuk menurunkan penghalang untuk laboratorium akademik, startup biotek, dan peneliti yang bekerja di lingkungan yang dibatasi sumber daya.
Google mengatakan tujuannya adalah untuk mendukung lebih cepat, lebih efisien, dan lebih banyak penemuan narkoba. Janji TxGemma jelas, aplikasi dunia nyata masih membutuhkan kehati-hatian. Model terkuantisasi dapat memberikan peningkatan efisiensi, tetapi trade-off sering melibatkan pengurangan presisi. Demikian pula, ketergantungan Agentic-TX pada alat eksternal memperkenalkan titik-titik kegagalan atau ketidakkonsistenan potensial, tergantung pada seberapa baik sistem tersebut terintegrasi dengan alur kerja tertentu.
Selain itu, sementara antarmuka percakapan dari model yang lebih besar menawarkan fleksibilitas, dapat menimbulkan tantangan di lingkungan yang sangat diatur di mana deterministik, output yang dapat didengar diharapkan. Evaluasi independen dari prediksi model akan sangat penting sebelum dimasukkan ke dalam saluran pipa klinis atau platform pengembangan obat komersial.
Meskipun demikian, kemampuan untuk menjalankan model biomedis khusus domain dengan hanya satu pow-cool. Sistem turnkey
Txgemma bukan mesin penemuan obat ujung ke ujung. Sebaliknya, ini adalah kerangka kerja modular-yang mengundang para peneliti untuk bereksperimen, mengulangi, dan membangun di atasnya. Dengan dukungan untuk modalitas terapeutik mulai dari analisis struktur protein hingga prediksi toksisitas, itu dirancang agar sesuai dengan alur kerja ilmiah yang ada tanpa menuntut infrastruktur eksklusif atau penguncian vendor.
Apakah ia menemukan di Laboratorium Penelitian Farmasi, Academic Biology Departemen, atau startup biologi komputasi, TX TXGA-TX. kolaborator ilmiah.
