作者:Robert Krzaczyński
Google DeepMind宣布了txgemma,旨在提高药物发现和临床试验预测效率的AI模型的开放集合。建立在Gemma模型家族TXGEMMA旨在简化药物开发过程并加速新疗法。
新治疗剂的发展是一个缓慢,昂贵的过程,通常面临高失败的率为90%的候选药物不会过去1阶段试验。TXGEMMA试图通过利用大型语言模型(LLM)来提高整个研究管道中治疗特性的预测,以应对这一挑战。从确定有希望的药物目标到评估临床试验结果,TXGEMMA为研究人员提供了先进的工具来简化和提高药物开发的效率。
Trustbytes的联合创始人兼首席执行官Jeremy Prasetyo,突出显示AI驱动解释在药物研究中的重要性:
解释自己的预测的人工智能改变了毒品发现的游戏规则,更快的见解意味着在患者护理中的突破速度更快。
txgemma是TX-LLM,去年10月引入的一种用于治疗研究的模型。由于科学界的压倒性兴趣,DeepMind提出并扩大了其能力,开发了TXGEMMA作为一种开源替代方案,具有增强的性能和可伸缩性。
TXGEMMA经过700万个例子的培训,有三种尺寸的2b,9b和27b参数,其专门预测版本适合针对关键的治疗任务。其中包括:
在基准测试中,27B预测模型在66个关键任务中的64个上优于或匹配的专业模型。有关结果的更多详细信息可在已发布的纸。
除了预测模型外,TXGEMMA-CHAT还提供了交互式的AI体验,使研究人员可以提出复杂的问题,接收详细的解释并进行多转变的讨论。这种能力有助于阐明预测背后的推理,例如解释为什么分子可能会根据其结构有毒。
为了使TXGEMMA适应特定的研究需求,Google DeepMind发布了微调示例COLAB笔记本,允许研究人员调整自己的数据模型。
除了其预测模型外,Google DeepMind还引入了Agencic-TX,该代理TX将TXGEMMA集成到多步研究工作流程中。通过将TXGEMMA与Gemini 2.0 Pro相结合,Adgic-TX使用18种专业工具来增强研究能力。
Agesic-TX已在基准上进行了测试人类的最后考试和Chembench,显示其能够协助需要跨多个步骤推理的复杂研究任务的能力。