Google 開源 TxGemma：用大模型加速藥物研發與毒性預測

TxGemma 是 Google 開源的一套專門針對藥物研發與治療實體性質預測的語言模型集合。它能幫生物醫藥研究人員完成從靶點發現到分子毒性預測、再到臨床試驗結果評估的一系列分析工作。

這套模型基於 Google DeepMind 的輕量模型 Gemma 2 微調而來，訓練中餵了 700 萬條專門的生物醫藥資料。它是 Google 去年 10 月釋出的通用藥物模型 Tx-LLM 的開源後繼者，把原本實驗室裡的前沿模型做成了可以直接下載、本地微調的開源權重。

預測與對話兩種形態

TxGemma 提供了 2B、9B 和 27B 三種引數尺寸，分別對應邊緣裝置、工作站和算力叢集的不同部署需求。

在功能分類上，每個尺寸都提供了 predict 預測版本，專門針對 Therapeutic Data Commons 中的特定任務進行了調優，比如直接輸入分子結構預測其是否存在潛在毒性。

對於需要解釋過程的場景，Google 還為 9B 和 27B 提供了 chat 對話版本。對話版加入了通用指令微調資料，研究人員可以直接追問為什麼預測該分子有毒，模型會結合分子結構給出推理細節。不過官方也提到，為了換取對話和解釋能力，chat 版在基礎預測指標上相比 predict 版有輕微讓步。

跑分表現與智慧體擴充套件

在實際表現上，最大的 27B predict 版本幾乎重新整理了同類任務的表現。在基準測試的 66 項任務中，它有 64 項追平或超越了前代 Tx-LLM，其中有 45 項直接勝出。

面對業內針對單一任務專門訓練的專用模型，TxGemma 27B 同樣在 50 項任務中達到相當或更好的水平，在 26 項任務裡直接擊敗了單任務專用模型。

除了單點預測，Google 還展示瞭如何將其接入 Agent 架構。配合由 Gemini 2.0 Pro 驅動、集成了 18 種工具的 Agentic-Tx 系統，模型能夠在 ChemBench 和 Humanity's Last Exam 這類高難度複雜生化推理基準上達到前沿水平。

怎麼上手試用

目前 TxGemma 的模型權重已經在 Hugging Face 和 Vertex AI Model Garden 上同步放出，研究人員和開發者可以直接下載部署。

官方還配套開源了多個 Colab 筆記本，包括推理演示、Agent 執行流程，以及一份基於 TrialBench 資料集的微調教程，演示如何用自有資料微調模型來預測臨床試驗的不良事件。

為什麼重要

傳統新藥研發週期極其漫長，九成候選藥物會倒在一期臨床之後，試錯成本動輒數以億計。TxGemma 的價值在於，它把以前掌握在大廠和頂級實驗室手裡的前沿生化大模型，做成了中小型團隊和獨立研究者也能跑得動的開源開源資產。如果你的團隊手裡有未公開的分子和臨床資料，現在完全可以在 9B 或 27B 上跑私有化微調，不必把敏感資產上傳到閉源介面。

不過也要看到，大模型在分子性質預測上依然存在幻覺和邊界，它更適合充當候選分子的初篩漏斗和研究假設的輔助驗證工具，離完全替代溼實驗和專用計算化學工具還有距離。但無論如何，能以極低門檻把生化預測能力下放到開源社群，是 AI 輔助製藥落地非常紮實的一步。