TxGemma-API

TxGemma API ist eine Sammlung von Open-Source-Modellen für maschinelles Lernen, die darauf ausgelegt sind, Vorhersagen, Klassifizierungen oder Texte auf der Grundlage therapiebezogener Daten zu generieren.

Funktionen von TxGemma

TxGemma ist eine Sammlung von KI-Modellen, die auf der Gemma-Architektur von Google basieren und speziell auf therapeutische Anwendungen zugeschnitten sind. Zu den wichtigsten Funktionen gehören:

• Fachausbildung: TxGemma-Modelle werden anhand von etwa 7 Millionen für therapeutische Aufgaben relevanten Beispielen trainiert, sodass sie während des gesamten Arzneimittelentdeckungsprozesses Eigenschaften therapeutischer Einheiten vorhersagen können.
• Modellvarianten: Die Suite umfasst Modelle unterschiedlicher Größe – 2 Milliarden (2B), 9 Milliarden (9B) und 27 Milliarden (27B) Parameter – um unterschiedlichen Rechenressourcen und Anwendungsanforderungen gerecht zu werden.
• Vorhersage- und Chat-Versionen: Jede Modellgröße bietet eine „Vorhersage“-Version für bestimmte Aufgaben wie die Vorhersage von Toxizität und eine „Chat“-Version für die Konversationsdatenanalyse, die komplexe Abfragen und mehrstufige Diskussionen ermöglicht.

Leistungskennzahlen von TxGemma

Die Leistung dieser Modelle wurde anhand verschiedener therapeutischer Aufgaben streng evaluiert:

• Benchmarking: Die 27B-Vorhersageversion zeigt eine überlegene Leistung, übertrifft oder erreicht bei 64 von 66 Aufgaben vorherige hochmoderne Modelle und übertrifft bei 26 Aufgaben spezialisierte Modelle.
• Aufgabenvielfalt: Es eignet sich hervorragend für Klassifizierungsaufgaben (z. B. Vorhersage der Durchlässigkeit der Blut-Hirn-Schranke), Regressionsaufgaben (z. B. Abschätzung der Arzneimittelbindungsaffinität) und Generierungsaufgaben (z. B. Ableitung von Reaktantensätzen aus Reaktionsprodukten).

Technische Daten

Die Architektur und die Schulungsmethoden sind für seine Fähigkeiten von entscheidender Bedeutung:

• Gründungsmodell: TxGemma basiert auf der Gemma-Architektur von Google und nutzt reine Decoder-Transformermodelle, die für Textgenerierungsaufgaben optimiert sind.
• Trainingsdaten: Die Modelle werden mithilfe eines vielfältigen Datensatzes mit 7 Millionen therapeutischen Beispielen optimiert, wodurch ihre Vorhersagegenauigkeit im Kontext der Arzneimittelentwicklung verbessert wird.
• Recheneffizienz: TxGemma-Modelle wurden entwickelt, um Leistung und Rechenleistung in Einklang zu bringen und sind für Forscher mit unterschiedlichen Ressourcen zugänglich.

Entwicklung von Tx-LLM zu TxGemma

Diese Modelle stellen eine Weiterentwicklung ihres Vorgängers Tx-LLM dar:

• Verbesserte Zugänglichkeit: Während Tx-LLM großes Interesse weckte, bietet TxGemma offene Modelle in praktischen Maßstäben, die eine breitere Akzeptanz und Anpassung ermöglichen.
• Verbesserte Leistung: TxGemma-Modelle weisen verbesserte Vorhersagefähigkeiten auf und können bei zahlreichen therapeutischen Aufgaben mit spezialisierten Modellen mithalten.

Vorteile von TxGemma

Die Übernahme dieser Modelle in die therapeutische Entwicklung bietet mehrere Vorteile:

• Beschleunigte Arzneimittelentdeckung: Durch die genaue Vorhersage der Eigenschaften therapeutischer Einheiten kann TxGemma den Zeit- und Kostenaufwand für die Markteinführung neuer Therapien reduzieren.
• Open-Source-Zugänglichkeit: Als offene Modelle ermöglicht TxGemma den Forschern, die Modelle zu optimieren und an bestimmte Datensätze und Aufgaben anzupassen, was Innovation und Zusammenarbeit fördert.
• Vielseitigkeit: Die Verfügbarkeit von Modellen in unterschiedlichen Größen und Versionen ermöglicht die Anwendung in einem breiten Aufgabenspektrum, von der prädiktiven Analytik bis zur Konversationsdatenanalyse.

Technische Indikatoren

Die technische Leistung wird durch mehrere Indikatoren unterstrichen:

• Parameter Effizienz: Trotz unterschiedlicher Größe wahren alle TxGemma-Modelle ein Gleichgewicht zwischen Komplexität und Rechenleistung und gewährleisten so die Zugänglichkeit für Benutzer mit unterschiedlichen Ressourcenkapazitäten.
• Anweisungs-Tuning: Die „Chat“-Versionen enthalten allgemeine Daten zur Anweisungsoptimierung, die es ihnen ermöglichen, Argumente zu erklären und sich an komplexen Diskussionen zu beteiligen, wodurch die Interpretierbarkeit verbessert wird.

Anwendungsszenarien

Die Vielseitigkeit ermöglicht die Anwendung in verschiedenen Phasen der therapeutischen Entwicklung:

• Zielidentifikation: Unterstützung bei der Identifizierung vielversprechender biologischer Ziele für neue Therapien.
• Vorhersage von Arzneimitteleigenschaften: Bewertung der potenziellen Sicherheit, Wirksamkeit und Bioverfügbarkeit von Arzneimittelkandidaten.
• Vorhersage des Ergebnisses klinischer Studien: Vorwegnahme möglicher Ergebnisse klinischer Studien, Unterstützung einer besseren Studienplanung und Ressourcenzuweisung.

Anwendungstipps

So maximieren Sie den Nutzen:

• Feintuning: Nutzen Sie das bereitgestellte Colab-Notebook, um TxGemma-Modelle mit proprietären Daten zu optimieren und so die Vorhersagegenauigkeit für bestimmte Anwendungen zu verbessern.
• Integration mit Agentensystemen: Integrieren Sie TxGemma in Agentensysteme wie Agentic-Tx, um komplexe, mehrstufige Forschungsprobleme zu bewältigen und nutzen Sie seine Argumentationsfähigkeiten zusammen mit anderen Tools.
• Optimale Sampling-Parameter: Wenn Sie es zur Textgenerierung verwenden, konfigurieren Sie die Sampling-Parameter entsprechend (z. B. Temperatur: 1.0, Top-K: 64, Top-P: 0.95).

Siehe auch Grok 3 API

Fazit

Google AI hat diese Modelle mit der Absicht veröffentlicht, unsere Welt zu verbessern und die Effizienz zu steigern. Sie sind mehr als nur Werkzeuge; sie fördern die Entwicklung branchenübergreifend, sprachlich und ethisch.

Künstliche Intelligenz eröffnet neue Horizonte. Bei Entscheidungen im Zusammenhang mit solchen Technologien sollte jedoch stets die Sicherheit an erster Stelle stehen. Die Nutzung der Vorteile von Google AI hilft uns, alle KI-Projekte verantwortungsvoll zu gestalten.

So rufen Sie die TxGemma-API von CometAPI aus auf

1.Anmelden zu cometapi.com. Wenn Sie noch kein Benutzer bei uns sind, registrieren Sie sich bitte zuerst.

2.Holen Sie sich den API-Schlüssel für die Zugangsdaten der Schnittstelle. Klicken Sie im persönlichen Center beim API-Token auf „Token hinzufügen“, holen Sie sich den Token-Schlüssel: sk-xxxxx und senden Sie ihn ab.

3. Holen Sie sich die URL dieser Site: https://api.cometapi.com/

4. Wählen Sie TxGemma aus, um die API-Anforderung zu senden und den Anforderungstext festzulegen. Die Anforderungsmethode und der Anforderungstext werden abgerufen von unser Website-API-Dokument. Unsere Website bietet zu Ihrer Bequemlichkeit auch einen Apifox-Test.

5. Verarbeiten Sie die API-Antwort, um die generierte Antwort zu erhalten. Nach dem Senden der API-Anfrage erhalten Sie ein JSON-Objekt mit der generierten Vervollständigung.