谷歌开源抗癌AI模型：可模拟4000种药物疗效，加速癌症治疗研发

10月16日消息，谷歌研究院于昨日（10月15日）发布博文，宣布与耶鲁大学合作，共同推出基于Gemma架构的Cell2Sentence-Scale 27B（简称C2S-Scale）模型，通过分析单细胞数据来寻找潜在的新型癌症治疗途径。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

据研究团队介绍，在癌症免疫疗法中面临的主要挑战之一，是许多肿瘤能够对免疫系统"隐身"，这类肿瘤通常被称为"冷"肿瘤。一项关键策略是借助名为"抗原呈递"的生物过程，促使肿瘤细胞释放免疫识别信号，从而将其转化为免疫系统能够有效攻击的"热"肿瘤。

研究团队基于谷歌开源的Gemma系列模型，构建了拥有270亿参数的C2S-Scale模型，并赋予其一项重要使命：寻找能够作为"条件放大器"的特殊药物。这类药物只能在特定的"免疫环境阳性"条件下增强免疫信号——在这种环境中，虽然干扰素（一种关键的免疫信号蛋白）水平较低，但尚不足以单独诱导抗原呈递过程。

为实现这一目标，研究团队设计了一套双情境虚拟筛选流程。他们首先向模型输入两种类型的数据：一种是包含完整肿瘤与免疫互动的真实患者样本（免疫阳性情境），另一种则是无免疫背景的孤立细胞系数据（免疫中性情境）。

随后，模型模拟了超过4000种药物在这两种情境下的效果，并被要求预测哪些药物仅在第一种情境下能够增强抗原呈递。模型的预测结果非常明确，它发现激酶CK2抑制剂silmitasertib（CX-4945）能够产生显著的情境效应差异。

这项由AI生成的全新假说随后被带入实验室进行验证。研究人员在模型训练期间从未接触过的人类神经内分泌细胞上进行测试，结果令人惊讶地证实了模型的预测。

单独使用silmitasertib或低剂量干扰素效果均不显著，但当两者联合使用时，细胞的抗原呈递水平出现了协同效应，实现了约50%的显著提升，这意味着肿瘤将更容易被免疫系统识别和攻击。

参考资料

Hugging Face

GitHub

Scaling Large Language Models for Next-Generation Single-Cell Analysis