目前有哪些比较成熟的医药研发大模型？

TxGemma1

• 研发团队：谷歌推出的一款高效、通用的药物研发大模型，基于 Gemma 2 架构微调。
• 训练数据：融合了 700 万治疗实体数据进行多任务学习，这些样本来自 Therapeutics Data Commons（TDC），涵盖了小分子、蛋白质、核酸、疾病和细胞系等多种治疗相关数据。
• 主要功能：能够理解和预测整个药物发现过程中治疗实体的属性，从确定有希望的目标到帮助预测临床试验结果。具备多任务处理能力、高效的预测能力、对话式交互以及微调能力，能够处理与自由文本交织的各种化学或生物实体信息，适用于广泛的治疗开发任务。其对话模型允许科学家和医学工作者以自然语言进行交互，为基于分子结构的预测提供机械推理，并参与科学讨论。

清华 BioMedGPT 系列4

• 研发团队：清华大学人工智能产业研究院（AIR）和北京水木分子生物科技有限公司合作开发。
• 模型优势：全球首个开源可商用多模态生物医药模型。BioMedGPT-R1 用 DeepSeek R1 蒸馏版本模型更新了 BioMedGPT 中现采用的文本基座模型，从而引入了更优的文本推理能力。通过跨模态特征对齐，实现了生物模态与自然语言文本模态在同一个特征空间的统一融合，探索了生物多模态场景下的模型深度推理能力。
• 应用成果：30 分钟完成全基因组关联分析，蛋白质 3D 结构预测误差 < 1.2Å，虚拟筛选化合物库效率提升 100 倍，已授权辉瑞、恒瑞等药企使用。

华为云盘古药物分子大模型2

• 研发团队：华为云与中科院上海药物所合作开发。
• 模型优势：学习了 17 亿个药物分子的化学结构，可生成 1 亿个创新的类药物小分子库，其结构新颖性为 99.68%。能帮助药物研究人员在成千上万的小分子化合物中快速找到可成药的那一个，让先导药的研发周期从数年缩短至数月，研发成本降低 70%，大幅提升新药研发效率。
• 技术指标：成药性预测准确率较传统方法提升 20%，分子结合能优化效率提升 40%。

腾讯医疗大模型2

• 研发团队：腾讯基于混元通用大模型构建，包括医疗行业大模型、分子大模型、基因大模型三大分支。
• 技术亮点：支持私有化部署，允许医疗机构根据需求独立优化模型。
• 应用场景：覆盖公共卫生、药物研发、组学分析等领域，可用于智能导诊、影像报告生成、医保控费等，已接入全国 400 多家医院系统。