好的，根据您提供的信息，我将撰写一篇新闻稿，重点突出DeepMind发布的TxGemma模型及其在治疗开发领域的应用。
“`markdown
DeepMind 发布开源通用医学 LLM TxGemma，加速药物研发进程
加州，山景城 – Google DeepMind 近日发布了一款名为 TxGemma 的开源大型语言模型（LLM），旨在革新药物研发流程。该模型能够理解和预测治疗实体的属性，有望大幅缩短药物从实验室到临床试验的时间，并降低研发成本。
药物研发面临的挑战
开发一种新药的道路漫长而艰辛，往往需要耗费数十亿美元，并且成功率极低。据统计，约 90% 的候选药物无法通过第一阶段的临床试验。DeepMind 此次发布的 TxGemma，正是为了应对这一挑战，利用人工智能的力量，提高药物研发的效率和成功率。
TxGemma：通用型治疗 LLM
TxGemma 基于 DeepMind 之前发布的 Gemma 模型构建，并经过专门训练，能够处理治疗开发过程中的各种任务，包括：
- 预测分子属性： 判断分子是否具有毒性，能否穿过血脑屏障，以及与药物靶点的结合亲和力。
- 生成反应物： 根据给定的反应产物，推断出可能的反应物集合。
TxGemma 提供了三种尺寸的模型（2B、9B 和 27B 参数），并针对特定任务推出了“预测”版本，方便开发者和医学研究者根据自身需求进行调整和应用。
性能卓越，超越专业模型
在 Therapeutics Data Commons (TDC) 策划的 66 项治疗开发任务中，TxGemma Predict 在 64 项任务中的表现优于或接近最先进的通用模型，在 50 项任务中的表现优于或接近最先进的专业模型。这表明，TxGemma 在通用性和性能上都具有显著优势。
Agentic-Tx：通用治疗 Agent 系统
除了预测能力，DeepMind 还推出了 Agentic-Tx，这是一个由 Gemini 2.0 提供支持的通用治疗 Agent 系统。该系统能够进行推理、行动、管理工作流程，并获取外部领域知识。Agentic-Tx 配备了 18 种工具，包括 TxGemma、通用搜索工具、特定分子工具以及基因和蛋白质工具。
在 Humanity’s Last Exam 基准测试中，Agentic-Tx 的表现超越了当下领先的模型 o3-mini，提升幅度高达 9.8%。在 ChemBench 上，TxGemma 的性能也优于 o3-mini，提升幅度为 5.6% (ChemBench-Preference) 和 1.1% (ChemBench-Mini)。
开源开放，助力药物研发
DeepMind 此次开源 TxGemma，旨在促进药物研发领域的创新和合作。研究人员可以利用 TxGemma 及其相关工具，加速药物发现进程，并为更具挑战性的现实世界治疗应用中的治疗安全性和有效性铺平道路。
重要意义
TxGemma 的发布，标志着人工智能在药物研发领域的应用迈出了重要一步。通过利用大型语言模型的强大功能，TxGemma 有望改变传统的药物研发模式，加速新药的开发，并最终改善患者的治疗效果。
参考链接
- TxGemma 开源地址：https://console.cloud.google.com/vertex-ai/publishers/google/model-garden/txgemma?pli=1&invt=AbtNKA
- Hugging Face：https://huggingface.co/collections/google/txgemma-release-67dd92e931c857d15e4d1e87
- 论文链接：https://storage.googleapis.com/research-media/txgemma/txgemma-report.pdf
关于 DeepMind
DeepMind 是一家人工智能研究公司，致力于解决世界上最紧迫的挑战。通过结合机器学习和神经科学领域的突破，DeepMind 正在开发能够解决复杂问题的通用学习系统。
“`
写作说明:
- 标题: 简洁明了，突出重点。
- 引言: 概括文章主旨，吸引读者。
- 主体:
- 解释了药物研发面临的挑战，为TxGemma的出现提供背景。
- 详细介绍了 TxGemma 的功能和特点。
- 强调了 TxGemma 在性能上的优势。
- 介绍了 Agentic-Tx 系统及其能力。
- 突出了开源的重要性，以及 DeepMind 的愿景。
- 结论: 总结文章要点，强调其重要性和影响。
- 参考链接: 提供了相关链接，方便读者进一步了解。
- 语言风格: 采用新闻报道的客观、严谨的语言风格。
希望这篇新闻稿能够满足您的要求。
Views: 0