Ang Google DeepMind ay humakbang sa biomedical research na may TxGemma, isang suite ng mga open-source na mga modelo ng AI na ininhinyero upang makatulong sa pag-unlad ng therapeutic. Inilabas noong huling bahagi ng Marso 2025, ang inisyatibo ay nakatayo para sa pag-access nito, na nag-aalok ng mga tool na maaaring tumakbo sa hardware na grade ng consumer at pagsamahin sa mga dalubhasang biomedical workflows. Parehong magagamit sa mga platform tulad ng yakap sa mukha at vertex ai, na may colab notebook ibinigay para sa hands-on na eksperimento. href=”https://developers.google.com/health-ai-developer-foundations/txgemma/model-card”target=”_ blangko”> txGemma’s core models ay sinanay sa data na tiyak na domain, na may mga sukat ng parameter ng 2B, 9B, at 27B. Sinusuportahan din ng mga bersyon ng 9B at 27B ang pakikipag-ugnay sa pakikipag-usap para sa mga mananaliksik na naghahanap ng mas nababaluktot na palitan. href=”https://tdcommons.ai”target=”_ blangko”> therapeutics data commons (TDC) , pinapagana ang mga ito upang maproseso at suriin ang mga pagkakasunud-sunod ng kemikal, mga protina, sakit, at mga linya ng cell.
Ang mga modelo ay maaaring gumana sa alinman sa mode ng hula-na may makitid, nakabalangkas na mga input para sa mga gawain tulad ng pag-uuri ng tambalan-o sa isang chat mode na sumusuporta sa multi-turn na pangangatuwiran. Sa pamamagitan ng pag-alok ng mga bersyon ng dami, tinitiyak ng Google na maaari silang ma-deploy sa mga solong GPU o TPU nang hindi nakakompromiso nang labis sa kawastuhan o latency. href=”https://github.com/google-gemini/gemma-cookbook/blob/main/txgemma/%5BTXGemma%5Dagentic_demo_with_hugging_face.ipynb”target=”blangko”> ahenteic-tx ay ang iba pang kalahati ng paglabas ng txgemma. Hindi tulad ng mga batayang modelo, ang ahente na ito ay hindi nakatuon sa mga hula lamang. Sa halip, dinisenyo upang magsagawa ng buong mga daloy ng pananaliksik gamit ang mga kakayahan ng Gemini 1.5 Pro at mga panlabas na tool tulad ng alphafold, esmfold, at mga sistema ng paghahanap ng panitikan. Pinapayagan nito ang isang mananaliksik na magsimula sa isang katanungan-tulad ng pagkilala sa mga nagbubuklod na mga site para sa isang protina-at makatanggap ng iterative, suportadong tool na may kasamang biological na pangangatuwiran na kasama sa kadena ng pakikipag-ugnay. Ang pamilya Gemma 2 ay binubuo ng mga modelo ng decoder-only transpormer na na-optimize para sa mahusay na paglawak, kahit na sa mga mobile at web platform. Ang mga modelong ito ay idinisenyo upang suportahan ang modularity at bukas na mga daloy ng pananaliksik, na ginagawa silang isang angkop na pundasyon para sa mga biomedical application. Gayunpaman, ang kanilang kalapitan sa kalendaryo ng paglabas ay naglalarawan ng mas malawak na pagtulak ng Google upang mapalawak ang mga tool ng AI na lampas sa mga pangkalahatang-layunin na mga modelo ng chat at sa mas dalubhasang mga patlang. href=”https://deepmind.google/discover/blog/gemma-scope-helping-the-safety-community-shed-light-on-the-inner-workings-of-leuage-models/?utm_source=chatgpt.com”target=”_ blangko”> gemma scope , isang set ng mga kalansay na autoencoder para sa pag-unawa sa modelo. Habang ang mga tool na ito ay hindi malinaw na nakabalot ng TXGEMMA, ang kanilang pag-iral ay nagmumungkahi ng isang ibinahaging pilosopiya ng disenyo na nakatuon sa responsableng paggamit ng AI sa mga pang-agham na domain. Sa pamamagitan ng pag-publish ng parehong mga modelo at ang mga nauugnay na tool sa mga naa-access na platform, inaasahan ng DeepMind na bawasan ang hadlang para sa mga lab na pang-akademiko, mga startup ng biotech, at sinabi ng mga mananaliksik na nagtatrabaho sa mas mabilis na mapagkukunan. Malinaw ang pangako, ang application ng real-world ay nangangailangan pa rin ng pag-iingat. Ang mga dami ng mga modelo ay maaaring maghatid ng pinahusay na kahusayan, ngunit ang trade-off ay madalas na nagsasangkot ng ilang pagbawas sa katumpakan. Katulad nito, ang pag-asa ng Agentic-TX sa mga panlabas na tool ay nagpapakilala ng mga punto ng potensyal na pagkabigo o hindi pagkakapare-pareho, depende sa kung gaano kahusay ang pagsasama ng mga sistemang ito sa mga tiyak na daloy ng trabaho. Ang independiyenteng pagsusuri ng mga hula ng mga modelo ay magiging mahalaga bago sila isama sa mga klinikal na pipeline o mga platform ng pag-unlad ng komersyal na gamot. Toolkit, hindi isang sistema ng turnkey
Sa halip, ito ay isang modular na balangkas-ang isa na nag-aanyaya sa mga mananaliksik na mag-eksperimento, umulit, at magtayo sa tuktok nito. Sa pamamagitan ng suporta para sa mga therapeutic modalities na mula sa pagsusuri ng istraktura ng protina hanggang sa hula ng pagkakalason, dinisenyo ito upang magkasya sa umiiral na mga daloy ng pang-agham na hindi hinihingi ang pagmamay-ari ng imprastraktura o vendor lock-in. Dalubhasang Collaborator ng Siyentipiko.