谷歌开源抗癌 AI 模型：模拟 4000 种药物后锁定潜在抗癌药
谷歌研究院昨日（10 月 15 日）发布博文，宣布携手耶鲁大学，联合发布基于 Gemma 的 Cell2Sentence-Scale 27B（简称 C2S-Scale）模型，通过分析单细胞帮助发现新的潜在癌症治疗途径。
IT之家援引博文介绍，在癌症免疫疗法中，一大挑战是许多肿瘤对免疫系统“隐身”，被称为“冷”肿瘤。一种关键策略是通过一种名为“抗原呈递”（antigenpresentation）的过程，迫使肿瘤细胞暴露免疫触发信号，从而将它们转化为免疫系统可以攻击的“热”肿瘤。
研究团队基于谷歌开源的 Gemma 系列，构建 C2S-Scale 模型，拥有 270 亿参数，赋予其一项艰巨任务：寻找一种“条件性放大器”药物。这种药物只能在特定的“免疫环境阳性”环境中增强免疫信号，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，但不足以单独诱导抗原呈递。
为了实现这一目标，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了两种数据：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增强抗原呈递。模型的预测结果极为明确，它发现激酶 CK2 抑制剂 silmitasertib（CX-4945）能产生显著的情境效应差异。
这一由 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，结果惊人地证实了模型的预测。
单独使用 silmitasertib 或低剂量干扰素均效果甚微，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。