Google 开源 TxGemma：用大模型加速药物研发与毒性预测

TxGemma 是 Google 开源的一套专门针对药物研发与治疗实体性质预测的语言模型集合。它能帮生物医药研究人员完成从靶点发现到分子毒性预测、再到临床试验结果评估的一系列分析工作。

这套模型基于 Google DeepMind 的轻量模型 Gemma 2 微调而来，训练中喂了 700 万条专门的生物医药数据。它是 Google 去年 10 月发布的通用药物模型 Tx-LLM 的开源后继者，把原本实验室里的前沿模型做成了可以直接下载、本地微调的开源权重。

预测与对话两种形态

TxGemma 提供了 2B、9B 和 27B 三种参数尺寸，分别对应边缘设备、工作站和算力集群的不同部署需求。

在功能分类上，每个尺寸都提供了 predict 预测版本，专门针对 Therapeutic Data Commons 中的特定任务进行了调优，比如直接输入分子结构预测其是否存在潜在毒性。

对于需要解释过程的场景，Google 还为 9B 和 27B 提供了 chat 对话版本。对话版加入了通用指令微调数据，研究人员可以直接追问为什么预测该分子有毒，模型会结合分子结构给出推理细节。不过官方也提到，为了换取对话和解释能力，chat 版在基础预测指标上相比 predict 版有轻微让步。

跑分表现与智能体扩展

在实际表现上，最大的 27B predict 版本几乎刷新了同类任务的表现。在基准测试的 66 项任务中，它有 64 项追平或超越了前代 Tx-LLM，其中有 45 项直接胜出。

面对业内针对单一任务专门训练的专用模型，TxGemma 27B 同样在 50 项任务中达到相当或更好的水平，在 26 项任务里直接击败了单任务专用模型。

除了单点预测，Google 还展示了如何将其接入 Agent 架构。配合由 Gemini 2.0 Pro 驱动、集成了 18 种工具的 Agentic-Tx 系统，模型能够在 ChemBench 和 Humanity's Last Exam 这类高难度复杂生化推理基准上达到前沿水平。

怎么上手试用

目前 TxGemma 的模型权重已经在 Hugging Face 和 Vertex AI Model Garden 上同步放出，研究人员和开发者可以直接下载部署。

官方还配套开源了多个 Colab 笔记本，包括推理演示、Agent 运行流程，以及一份基于 TrialBench 数据集的微调教程，演示如何用自有数据微调模型来预测临床试验的不良事件。

为什么重要

传统新药研发周期极其漫长，九成候选药物会倒在一期临床之后，试错成本动辄数以亿计。TxGemma 的价值在于，它把以前掌握在大厂和顶级实验室手里的前沿生化大模型，做成了中小型团队和独立研究者也能跑得动的开源开源资产。如果你的团队手里有未公开的分子和临床数据，现在完全可以在 9B 或 27B 上跑私有化微调，不必把敏感资产上传到闭源接口。

不过也要看到，大模型在分子性质预测上依然存在幻觉和边界，它更适合充当候选分子的初筛漏斗和研究假设的辅助验证工具，离完全替代湿实验和专用计算化学工具还有距离。但无论如何，能以极低门槛把生化预测能力下放到开源社区，是 AI 辅助制药落地非常扎实的一步。