介绍TxGemma:提升药物研发效率的AI模型

什么是TxGemma?

TxGemma是一组由Google DeepMind开发的开源AI模型,旨在通过利用大型语言模型(LLMs)来提高药物研发的效率。药物研发是一个高风险、耗时且昂贵的过程,90%的药物候选物在第一阶段试验后失败。TxGemma基于Gemma-2模型,专门训练用于理解和预测治疗实体的性质,从识别潜在靶点到预测临床试验结果。

TxGemma的主要特点

  • 模型大小:TxGemma提供3种模型大小:2B、9B和27B参数,每种都有"预测"版本,适用于特定任务,如预测分子毒性。
  • 任务类型:支持分类(例如,分子是否能穿过血脑屏障)、回归(例如,预测药物的结合亲和力)和生成(例如,给定反应产物生成反应物)。
  • 性能:27B模型在66个治疗开发任务中表现优于或与现有最佳模型相似,超越了许多专用模型。

TxGemma如何提升药物研发?

加速药物发现

TxGemma通过预测药物性质、识别潜在靶点和优化临床试验设计来加速药物发现过程。

增强可解释性和互动性

TxGemma-Chat版本可以解释其预测的理由,回答复杂问题,并进行多轮讨论。例如,研究人员可以询问为什么某个分子被预测为有毒,并获得基于分子结构的解释。

如何使用TxGemma?

获取和使用模型

TxGemma模型可在Vertex AI Model Garden和Hugging Face上获取。开发者可以使用这些模型进行推理、微调,并将其集成到自己的研究工作流中。

示例代码

以下是如何使用TxGemma进行预测的示例代码:

ini 复制代码
python
import json
from huggingface_hub import hf_hub_download

# 加载任务模板
tdc_prompts_filepath = hf_hub_download(
    repo_id="google/txgemma-27b-predict",
    filename="tdc_prompts.json"
)

with open(tdc_prompts_filepath, "r") as f:
    tdc_prompts_json = json.load(f)

# 设置任务和输入
task_name = "BBB_Martins"
input_type = "{Drug SMILES}"
drug_smiles = "CN1C(=O)CN=C(C2=CCCCC2)c2cc(Cl)ccc21"

# 构造提示
TDC_PROMPT = tdc_prompts_json[task_name].replace(input_type, drug_smiles)

print(TDC_PROMPT)

微调TxGemma

开发者可以使用自己的数据对TxGemma进行微调,以适应特定的研究需求。例如,使用TrialBench数据集来预测临床试验不良事件。

TxGemma在复杂研究中的应用

TxGemma可以集成到Agentic-Tx系统中,用于解决需要多步骤推理的复杂问题。Agentic-Tx配备了18种工具,包括TxGemma、PubMed、Wikipedia和特定分子工具等。它在包括Humanity's Last Exam和ChemBench在内的多个基准测试中取得了最先进的结果。

相关推荐
不午睡的探索者27 分钟前
告别性能瓶颈!Python 量化工程师,进击 C++ 高性能量化交易的“必修课”!
c++·github
Wo3Shi4七33 分钟前
双向队列
数据结构·算法·go
Wo3Shi4七37 分钟前
列表
数据结构·算法·go
光溯星河37 分钟前
【实践手记】Git重写已提交代码历史信息
后端·github
独立开阀者_FwtCoder39 分钟前
URL地址末尾加不加 "/" 有什么区别
前端·javascript·github
独立开阀者_FwtCoder42 分钟前
Vue3 新特性:原来watch 也能“暂停”和“恢复”了!
前端·javascript·github
Wo3Shi4七42 分钟前
链表
数据结构·算法·go
Wo3Shi4七1 小时前
数组
数据结构·算法·go
前端小巷子1 小时前
跨域问题解决方案:开发代理
前端·javascript·面试
CoovallyAIHub1 小时前
YOLOv13都来了,目标检测还卷得动吗?别急,还有这些新方向!
深度学习·算法·计算机视觉