TxGemma API — это набор моделей машинного обучения с открытым исходным кодом, предназначенных для создания прогнозов, классификаций или текстов на основе терапевтических данных.
Возможности TxGemma
TxGemma — это коллекция моделей ИИ, доработанных на основе архитектуры Gemma от Google, специально адаптированных для терапевтических приложений. Основные функции включают:
- Специализированная подготовка: Модели TxGemma обучаются примерно на 7 миллионах примеров, относящихся к терапевтическим задачам, что позволяет им прогнозировать свойства терапевтических объектов на протяжении всего процесса разработки лекарственных препаратов.
- Варианты модели: Пакет включает модели различных размеров — 2 миллиарда (2B), 9 миллиардов (9B) и 27 миллиардов (27B) параметров — для удовлетворения различных вычислительных ресурсов и потребностей приложений.
- Прогнозирование и чат-версии: Каждый размер модели предлагает версию «прогноз» для определенных задач, таких как прогнозирование токсичности, и версию «чат» для разговорного анализа данных, облегчая сложные запросы и многовариантные обсуждения.
Показатели производительности TxGemma
Эффективность этих моделей была тщательно оценена при решении различных терапевтических задач:
- Производительность системы: Версия 27B predict демонстрирует превосходную производительность, превосходя или совпадая с предыдущими передовыми моделями в 64 из 66 задач и превосходя специализированные модели в 26 задачах.
- Универсальность задач: Он отлично подходит для задач классификации (например, прогнозирования проницаемости гематоэнцефалического барьера), регрессии (например, оценки сродства связывания лекарственных средств) и генерации (например, выведения наборов реагентов из продуктов реакции).
Технические спецификации
Архитектура и методики обучения имеют решающее значение для его возможностей:
- Базовая модель: TxGemma, созданная на основе архитектуры Gemma от Google, использует модели преобразователя, работающие только с декодером и оптимизированные для задач генерации текста.
- Данные обучения: Модели дорабатываются с использованием разнообразного набора данных из 7 миллионов терапевтических примеров, что повышает их прогностическую точность в контексте разработки лекарственных препаратов.
- Вычислительная эффективность: Модели TxGemma, разработанные с целью обеспечения баланса производительности и вычислительных требований, доступны исследователям с различными ресурсами.
Эволюция от Tx-LLM к TxGemma
Эти модели представляют собой эволюцию своего предшественника Tx-LLM:
- Улучшенная доступность: В то время как Tx-LLM вызвал значительный интерес, TxGemma предлагает открытые модели в практических масштабах, способствуя более широкому внедрению и настройке.
- Улучшенная производительность: Модели TxGemma демонстрируют улучшенные прогностические возможности, конкурируя со специализированными моделями в решении многочисленных терапевтических задач.
Преимущества TxGemma
Внедрение этих моделей в терапевтические разработки дает ряд преимуществ:
- Ускоренное открытие лекарств: Благодаря точному прогнозированию свойств терапевтических препаратов TxGemma может сократить время и затраты, связанные с выводом новых методов лечения на рынок.
- Доступность открытого исходного кода: TxGemma — это открытые модели, которые позволяют исследователям настраивать и адаптировать модели к конкретным наборам данных и задачам, способствуя инновациям и сотрудничеству.
- Гибкость: Наличие моделей разных размеров и версий позволяет применять их для решения широкого спектра задач: от предиктивной аналитики до анализа разговорных данных.
Технические индикаторы
Техническая эффективность подчеркивается несколькими показателями:
- Параметр Эффективность: Несмотря на различия в размерах, все модели TxGemma поддерживают баланс между сложностью и вычислительной эффективностью, обеспечивая доступность для пользователей с различным объемом ресурсов.
- Инструкция по настройке: Версии «чата» включают в себя общие данные по настройке инструкций, что позволяет им объяснять рассуждения и участвовать в сложных обсуждениях, тем самым повышая интерпретируемость.
Сценарии приложений
Универсальность позволяет применять препарат на различных этапах терапевтической разработки:
- Идентификация цели: Помощь в выявлении перспективных биологических целей для новых методов лечения.
- Прогнозирование свойств лекарств: Оценка потенциальной безопасности, эффективности и биодоступности лекарственных препаратов.
- Прогнозирование результатов клинических испытаний: Прогнозирование потенциальных результатов клинических испытаний, помощь в улучшении дизайна испытаний и распределении ресурсов.
Советы по использованию
Чтобы получить максимальную выгоду:
- Тонкая настройка: Используйте предоставленный блокнот Colab для точной настройки моделей TxGemma с использованием собственных данных, повышая точность прогнозирования для конкретных приложений.
- Интеграция с агентскими системами: Интегрируйте TxGemma в агентные системы, такие как Agentic-Tx, чтобы решать сложные, многоэтапные исследовательские задачи, используя его возможности рассуждения вместе с другими инструментами.
- Оптимальные параметры отбора проб: При использовании его для генерации текста настройте параметры выборки соответствующим образом (например, температура: 1.0, top-k: 64, top-p: 0.95).
См. также API Grok 3
Заключение
Google AI выпустила эти модели с намерением улучшить наш мир и повысить эффективность. Это больше, чем просто инструменты; они помогают продвигать развитие в различных отраслях, языках и этиках.
Искусственный интеллект открывает двери к новым горизонтам. Однако, делая выбор, связанный с такими технологиями, мы всегда должны в первую очередь стремиться к безопасности. Использование преимуществ Google AI поможет нам строить все проекты AI ответственно.
Как вызвать TxGemma API из CometAPI
1.Войти в cometapi.com. Если вы еще не являетесь нашим пользователем, пожалуйста, сначала зарегистрируйтесь.
2.Получите ключ API для доступа к учетным данным интерфейса. Нажмите «Добавить токен» в API-токене в личном центре, получите ключ токена: sk-xxxxx и отправьте.
-
Получите URL этого сайта: https://api.cometapi.com/
-
Выберите TxGemma для отправки запроса API и установите тело запроса. Метод запроса и тело запроса получаются из наш веб-сайт API документ. Для вашего удобства наш сайт также предлагает тест Apifox.
-
Обработайте ответ API, чтобы получить сгенерированный ответ. После отправки запроса API вы получите объект JSON, содержащий сгенерированное завершение.