TxGemma

TxGemma llega en 2B, 9B y 27B parámetros, todos derivados de Gemma 2. El modelo de 2B cabe en una sola GPU para experimentos rápidos, mientras que los tamaños mayores asumen tareas más duras y los casos de uso conversacionales. Puedes empezar pequeño, validar el flujo de trabajo y escalar sin cambiar de herramienta.

Cada tamaño incluye una versión Predict preparada para tareas de propiedades fijas y, en 9B y 27B, una versión Chat que comenta sus respuestas. Los modelos Predict sacan los mejores números en benchmarks concretos, y los Chat te dejan hacer preguntas de seguimiento y leer el razonamiento. Google señala que las versiones conversacionales ceden algo de precisión bruta a cambio de esa flexibilidad.

TxGemma lee moléculas pequeñas, proteínas, ácidos nucleicos, enfermedades y líneas celulares, en lugar de especializarse en un solo tipo de dato. Esa amplitud hace que un mismo modelo toque varias etapas del descubrimiento, desde la identificación de dianas hasta la interacción fármaco-diana y la predicción de resultados clínicos, sin que tengas que montar un predictor aparte para cada una.

Google ajustó los modelos con datos de instrucciones extraídos de Therapeutics Data Commons, una colección abierta de benchmarks y conjuntos de datos para el desarrollo de fármacos. Según Google, los modelos Predict de TxGemma superan o igualan a los modelos generales de última generación en 64 de las 66 tareas de TDC, y superan o igualan a los modelos especializados en 50 de ellas, un resultado cara a cara que puedes comprobar tú mismo en los benchmarks públicos.

Ajustar TxGemma para una tarea concreta exige menos datos de entrenamiento que ajustar Gemma 2 base para el mismo trabajo. Para equipos que trabajan con ensayos propios o endpoints poco frecuentes donde escasean los datos etiquetados, esa diferencia puede decidir si un proyecto es viable o no.

Puedes descargar los pesos desde Hugging Face y ejecutarlos en tu propia GPU, o desplegar TxGemma como endpoint HTTPS gestionado en Vertex AI a través de Model Garden. Las ejecuciones locales van bien para experimentar y para datos sensibles, y Vertex AI cubre cargas de producción, incluidos los trabajos de predicción por lotes para conjuntos grandes.

TxGemma sirve como base preentrenada que puedes adaptar a tus propias tareas terapéuticas, con un cuaderno de ajuste que Google ofrece para empezar. Como los modelos son abiertos, mantienes el control sobre dónde viven tus datos y cómo se usa el modelo, algo que importa cuando los datos son privados.