TxGemma
Google · KI-Assistent · Business
TxGemma ist eine offene Modellfamilie von Google für die therapeutische Forschung. Sie sagt Eigenschaften von Wirkstoffen und Zielstrukturen voraus, beantwortet Fragen im Chat und läuft auf Hugging Face oder Vertex AI.
Über TxGemma
What Is TxGemma
TxGemma ist eine Familie offener Sprachmodelle von Google, die für die Entwicklung von Therapien feinabgestimmt wurde. Sie baut auf Gemma 2 auf und kommt in drei Größen: 2B, 9B und 27B Parameter. Jede Größe lernt, die Daten zu lesen, mit denen ein Wirkstoffforscher tatsächlich arbeitet, von kleinen Molekülen und Proteinen bis zu Nukleinsäuren, Krankheiten und Zelllinien.
Die Modelle teilen sich zwei Aufgaben. Eine Predict-Variante beantwortet enge Eigenschaftsfragen in einem festen Format, etwa ob ein Molekül die Blut-Hirn-Schranke überwindet oder wie stark ein Wirkstoff an sein Ziel bindet. Eine Chat-Variante, verfügbar für die Größen 9B und 27B, führt ein Gespräch und erklärt das Vorgehen hinter einer Vorhersage. Google hat beide Varianten mit Instruktionsdaten aus den Therapeutics Data Commons trainiert, einer öffentlichen Bibliothek für die Arzneimittelentwicklung.
Die wichtigste Grenze ist der Umfang. TxGemma sagt therapeutische Daten voraus und denkt über sie nach, führt aber keine Experimente aus und ersetzt keine Laborprüfung, und die Chat-Modelle tauschen etwas rohe Vorhersagegenauigkeit gegen die Fähigkeit ein, Ergebnisse zu besprechen. Google veröffentlichte das Modell unter den Bedingungen der Health AI Developer Foundations, die eine Zustimmung vor dem Herunterladen der Gewichte verlangen.
Getting Started
- Akzeptieren Sie die Bedingungen der Health AI Developer Foundations auf Hugging Face oder Google Cloud, um die Modellgewichte freizuschalten
- Wählen Sie eine Größe und eine Variante: ein Predict-Modell für feste Eigenschaftsaufgaben oder ein Chat-Modell für die dialogorientierte Arbeit
- Bauen Sie Ihre Eingabe mit den Aufgaben-Prompts der Therapeutics Data Commons auf und laden Sie das Modell lokal oder setzen Sie es auf Vertex AI ein
- Stimmen Sie das Modell mit Ihren eigenen therapeutischen Daten ab, oder rufen Sie es über einen Vertex-AI-Endpunkt auf, wenn Sie in großem Umfang vorhersagen müssen
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von TxGemma.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Forschende in der Arzneimittelentwicklung
- Teams aus Computerbiologie und Chemoinformatik
- Machine-Learning-Ingenieure in der Biotechnologie
- Kleine Labore mit wenig Rechenleistung
Aufgaben
- Eigenschaftsvorhersage
- Arbeit an Zielstrukturen und Wirkstoff-Ziel-Interaktionen
- Signale für Studienergebnisse
- Dialogorientierte Analyse
- Feinabstimmung für einen speziellen Endpunkt
- Benchmark-Vergleich
Szenarien
- Sie haben eine kurze Liste von Verbindungen und ein knappes Synthesebudget
- Ein erfahrener Forscher zweifelt an der Entscheidung des Modells
- Ihr Ziel ist ungewöhnlich und öffentliche Modelle scheitern daran
- Sie brauchen Vorhersagen über Nacht im Stapel
- Sie prüfen Werkzeuge für ein neues Projekt
Wichtigste Funktionen
Drei Größen passend zu Ihrer Rechenleistung
TxGemma kommt in 2B, 9B und 27B Parametern, alle von Gemma 2 abgeleitet. Das 2B-Modell passt für schnelle Experimente auf eine einzige GPU, während die größeren Größen härtere Aufgaben und die dialogorientierten Fälle übernehmen. Sie können klein anfangen, den Arbeitsablauf prüfen und später hochskalieren, ohne das Werkzeug zu wechseln.
Varianten Predict und Chat
Jede Größe enthält eine Predict-Version für feste Eigenschaftsaufgaben und, bei 9B und 27B, eine Chat-Version, die ihre Antworten bespricht. Die Predict-Modelle holen die besten Zahlen auf engen Benchmarks, und die Chat-Modelle lassen Sie Rückfragen stellen und das Vorgehen nachlesen. Google merkt an, dass die dialogorientierten Versionen für diese Flexibilität etwas rohe Genauigkeit abgeben.
Breite Abdeckung therapeutischer Modalitäten
TxGemma liest kleine Moleküle, Proteine, Nukleinsäuren, Krankheiten und Zelllinien, statt sich auf eine Datensorte zu spezialisieren. Diese Bandbreite bedeutet, dass ein Modell mehrere Stufen der Entwicklung berührt, von der Zielidentifikation über die Wirkstoff-Ziel-Interaktion bis zur Vorhersage von Studienergebnissen, ohne dass Sie für jede ein eigenes Vorhersagemodell bauen.
Trainiert mit den Therapeutics Data Commons
Google hat die Modelle mit Instruktionsdaten aus den Therapeutics Data Commons abgestimmt, einer offenen Sammlung von Benchmarks und Datensätzen für die Arzneimittelentwicklung. Laut Google übertreffen oder erreichen die Predict-Modelle von TxGemma die modernsten allgemeinen Modelle bei 64 der 66 TDC-Aufgaben und übertreffen oder erreichen spezialisierte Modelle bei 50 davon, ein direkter Vergleich, den Sie in den öffentlichen Benchmarks selbst nachprüfen können.
Dateneffizienz für kleine Datensätze
Die Feinabstimmung von TxGemma für eine nachgelagerte Aufgabe braucht weniger Trainingsdaten als die Feinabstimmung von Gemma 2 in der Basisversion für dieselbe Arbeit. Für Teams mit eigenen Assays oder seltenen Endpunkten, bei denen gekennzeichnete Daten knapp sind, kann dieser Unterschied entscheiden, ob ein Projekt machbar ist.
Läuft lokal oder auf Vertex AI
Sie können die Gewichte von Hugging Face herunterladen und auf Ihrer eigenen GPU ausführen, oder TxGemma über Model Garden als verwalteten HTTPS-Endpunkt auf Vertex AI einsetzen. Lokale Läufe eignen sich zum Experimentieren und für sensible Daten, während Vertex AI Produktionslasten abdeckt, einschließlich Batch-Vorhersagejobs für größere Datensätze.
Grundlage für die Feinabstimmung
TxGemma dient als vortrainierte Basis, die Sie an Ihre eigenen therapeutischen Aufgaben anpassen können, mit einem Feinabstimmungs-Notebook von Google als Startpunkt. Weil die Modelle offen sind, behalten Sie die Kontrolle darüber, wo Ihre Daten liegen und wie das Modell genutzt wird, was zählt, wenn die Daten vertraulich sind.
Vor- und Nachteile
Vorteile
- Offene Gewichte unter einer klaren Lizenz, sodass Sie die Modelle herunterladen, prüfen und auf eigener Hardware ausführen können
- Gute Benchmark-Abdeckung über 66 Aufgaben der Therapeutics Data Commons, bei vielen davon auf Augenhöhe mit oder besser als spezialisierte Modelle
- Drei Größen, mit denen ein kleines Labor auf einer GPU starten und später auf ein größeres Modell wechseln kann
- Die Chat-Varianten erklären ihr Vorgehen, was Ihnen hilft, eine Vorhersage zu beurteilen, statt einer bloßen Zahl zu vertrauen
- Die Feinabstimmung braucht weniger Daten als Gemma 2 in der Basisversion, hilfreich, wenn Ihre Assaydaten begrenzt sind
- Läuft sowohl lokal als auch als verwalteter Vertex-AI-Endpunkt, sodass dasselbe Modell für ein Experiment oder eine Produktionspipeline taugt
Nachteile
- Es sagt therapeutische Daten voraus und denkt über sie nach, ersetzt aber keine Laborprüfung, daher brauchen Ergebnisse weiterhin eine Bestätigung im Labor
- Sie müssen die Bedingungen der Health AI Developer Foundations vor dem Herunterladen akzeptieren, und die Lizenz ist keine übliche Open-Source-Lizenz
- Die Chat-Modelle tauschen etwas rohe Genauigkeit gegen Dialog ein, daher kommen die besten Zahlen aus den Predict-Varianten
- Das 27B-Modell braucht viel GPU-Speicher, was es für Teams ohne ordentliche Hardware oder ohne Vertex-AI-Guthaben außer Reichweite bringt
- Der eingeschränkte Download auf Hugging Face fügt einen Anmeldeschritt hinzu, also ist es keine Installation mit einem Befehl wie bei manchen kleineren offenen Modellen
Häufige Fragen
TxGemma ist eine Familie offener Sprachmodelle von Google für die Entwicklung von Therapien, aufgebaut auf Gemma 2 und veröffentlicht in 2B, 9B und 27B Parametern. Es sagt Eigenschaften von Wirkstoffen und Zielstrukturen voraus, und seine Chat-Versionen erklären das Vorgehen hinter diesen Vorhersagen. Forschende nutzen es, um Aufgaben der Arzneimittelentwicklung wie die Zielidentifikation und die Vorhersage von Studienergebnissen zu beschleunigen.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu TxGemma.
Alternativen zu TxGemma
Agibot
Agibot · Produktivität · KI-Assistent · ChatbotAgibot ist ein persönlicher KI-Agent für den Mac, der nach dem Schließen des Fensters weiterläuft, Routinen nach Zeitplan ausführt und über Telegram oder Slack mit eigenen API-Schlüsseln antwortet.
Foley
Hanamori Labs, LLC · Stimme & Sprache · Produktivität · KI-AssistentFoley ist eine Sprach-To-do-Liste: Ein gesprochener Satz wird zur einsortierten Aufgabe mit Projekt, Datum und Uhrzeit, und danach plant die App den Tag um das, was schon auf der Liste steht.
Ghost Core
Ghost · Produktivität · KI-AssistentGhost Core ist ein persönlicher KI-Computer ohne Bildschirm für 3.499 Dollar. Er führt lokale KI-Modelle auf eigener Hardware aus, sammelt Kontext aus Apps und Geräten und handelt, ohne auf eine Anweisung zu warten.