许可证：其他
许可证名称：健康AI开发者基础条款
许可证链接：https://developers.google.com/health-ai-developer-foundations/terms
语言：

• 英文
  任务标签：文本生成
  库名称：transformers
  标签：
• 治疗学
• 药物研发
  访问提示标题：在Hugging Face上访问TxGemma
  访问提示内容：
  要访问Hugging Face上的TxGemma，您需要阅读并同意健康AI开发者基础使用条款。请确保已登录Hugging Face账号并点击下方按钮。请求将即时处理。
  访问按钮内容：确认许可证

TxGemma模型卡

模型文档：TxGemma

资源：

• Google Cloud Model Garden上的模型：TxGemma
• Hugging Face上的模型：TxGemma
• GitHub仓库（支持代码、Colab笔记本、讨论和问题）：TxGemma
• 快速入门笔记本：notebooks/quick_start
• 支持：参见联系。

使用条款：健康AI开发者基础使用条款

作者： Google

模型信息

本节介绍TxGemma模型及其使用方法。

描述

TxGemma是基于Gemma 2构建的轻量级、前沿开源语言模型系列，专为治疗研发微调。提供2B、9B和27B三种规模。

TxGemma模型擅长处理小分子、蛋白质、核酸、疾病和细胞系等治疗相关信息的理解与预测任务，可作为微调基础或药物发现的交互式对话代理。模型通过治疗数据共享库(TDC)的多样化指令微调数据集从Gemma 2微调而来。

TxGemma提供两种形式：

1. 预测模型（需特定格式提示）
2. 对话模型（仅9B/27B版本支持多轮交互及预测解释，但会牺牲部分预测性能）。详见论文。

核心特性

• 多功能性：在66项治疗任务中表现优异
• 数据高效：小样本场景下仍具竞争力
• 对话能力（TxGemma-Chat）：支持自然语言交互与推理解释
• 微调基础：可针对特定场景二次开发

应用场景

• 加速药物发现：用于靶点识别、药物-靶点相互作用预测、临床试验审批预测等

使用方法

治疗任务提示格式化

import json  
from huggingface_hub import hf_hub_download  

# 加载TDC任务提示模板  
tdc_prompts_filepath = hf_hub_download(  
    repo_id="google/txgemma-2b-predict",  
    filename="tdc_prompts.json",  
)  
with open(tdc_prompts_filepath, "r") as f:  
    tdc_prompts_json = json.load(f)  

# 示例任务与输入  
task_name = "BBB_Martins"  
input_type = "{Drug SMILES}"  
drug_smiles = "CN1C(=O)CN=C(C2=CCCCC2)c2cc(Cl)ccc21"  

# 构建格式化提示  
TDC_PROMPT = tdc_prompts_json[task_name].replace(input_type, drug_smiles)  
print(TDC_PROMPT)  

输出示例：

指令：回答以下药物属性问题。  
背景：血脑屏障(BBB)是阻隔外源药物的保护层，其穿透能力是中枢神经系统药物开发的关键挑战。  
问题：给定药物SMILES字符串，预测其  
(A) 无法穿透BBB (B) 可穿透BBB  
药物SMILES: CN1C(=O)CN=C(C2=CCCCC2)c2cc(Cl)ccc21  
回答：  

预测任务推理

from transformers import AutoTokenizer, AutoModelForCausalLM  

# 从Hugging Face加载模型  
tokenizer = AutoTokenizer.from_pretrained("google/txgemma-2b-predict")  
model = AutoModelForCausalLM.from_pretrained(  
    "google/txgemma-2b-predict",  
    device_map="auto",  
)  

# 生成响应  
input_ids = tokenizer(TDC_PROMPT, return_tensors="pt").to("cuda")  
outputs = model.generate(**input_ids, max_new_tokens=8)  
print(tokenizer.decode(outputs[0], skip_special_tokens=True))  

或使用pipeline简化流程：

from transformers import pipeline  

pipe = pipeline(  
    "text-generation",  
    model="google/txgemma-2b-predict",  
    device="cuda",  
)  
outputs = pipe(TDC_PROMPT, max_new_tokens=8)  
print(outputs[0]["generated_text"])  

示例

• 快速入门Colab
• 微调教程Colab
• Gemini 2代理工作流Colab

架构概述

• 基础模型：Gemma 2（解码器架构）
• 微调数据：治疗数据共享库(TDC)
• 训练方法：治疗数据(TxT)与通用指令数据混合微调
• 对话版本：9B/27B模型额外融合通用指令数据

技术规格

• 模型类型：基于Gemma 2的解码器Transformer
• 关键论文：TxGemma: 高效治疗领域代理大模型
• 发布日期：2025-03-18
• 版本：1.0.0

性能验证

在TDC 66项任务基准测试中：

• 45项任务超越原Tx-LLM论文
• 50项任务达到或超越专业模型（26项显著领先）

数据集

训练数据

• 治疗数据共享库(TDC)：覆盖66项任务的1500万+数据点（仅含商业许可数据集）
• 通用指令数据：用于对话版本训练

许可

遵循健康AI开发者基础条款

限制

• 基于TDC公开数据训练
• 下游应用需针对具体场景验证
• 需注意数据代表性（如年龄、性别、病情等）

引用

@article{wang2025txgemma,  
    title={TxGemma: Efficient and Agentic LLMs for Therapeutics},  
    author={Wang, Eric and Schmidgall, Samuel and Jaeger, Paul F. and Zhang, Fan and Pilgrim, Rory and Matias, Yossi and Barral, Joelle and Fleet, David and Azizi, Shekoofeh},  
    year={2025},  
}  

论文链接：https://arxiv.org/abs/2504.06196