Gemma模型助力发现全新抗癌治疗新路径

谷歌与耶鲁大学合作，利用基于 Gemma 的大型 AI 模型 C2S-Scale 27B 在单细胞分析领域取得了突破。该模型通过虚拟筛选，成功预测出激酶抑制剂 silmitasertib 在特定免疫环境下能协同增强肿瘤的抗原呈递，从而让免疫系统更容易识别并攻击癌细胞。这一创新性假设已通过实验验证，为将免疫系统难以识别的“冷”肿瘤转化为易于治疗的“热”肿瘤提供了一条潜在的新路径。

将“冷”肿瘤变为“热”肿瘤的挑战

许多癌症治疗的一大难题是，很多肿瘤是 “冷”的，意味着它们能“躲藏”起来，不被身体的免疫系统发现。一种关键策略是通过一个叫做 抗原呈递 的过程，迫使肿瘤细胞显示出能触发免疫反应的信号，从而将它们变为 “热”的，使其对免疫疗法更敏感。

研究人员交给 C2S-Scale 27B 模型一个任务：寻找一种药物，它能作为 条件性放大器。这种药物只在特定的“免疫情境阳性”环境中（即已经存在少量免疫信号，但不足以自行触发反应）才会增强抗原呈递信号。这种复杂的条件性推理能力，似乎是模型规模扩大后才涌现出的新能力。

这一发现揭示了一条充满希望的新途径，可用于开发抗击癌症的疗法。

AI 如何筛选药物

为了找到具备这种特定协同效应的药物，研究团队设计了一套 双重情境虚拟筛选 流程。

• 免疫情境阳性： 模型分析了包含完整肿瘤-免疫细胞互动的真实患者样本，这些样本中存在低水平的干扰素（一种关键的免疫信号蛋白）。
• 免疫情境中性： 模型分析了没有免疫环境的孤立细胞系数据。

随后，模型模拟了超过 4,000 种药物在这两种情境下的效果，并预测哪些药物 只在第一种情境下 才能有效增强抗原呈递。在模型筛选出的候选药物中，一部分（10-30%）是文献中已知的，而其余的则是与该筛选目标此前毫无关联的意外发现。

从预测到实验室验证

模型的预测非常明确。它指出，一种名为 silmitasertib 的激酶 CK2 抑制剂存在显著的“情境分裂”效应：

• 在“免疫情境阳性”下使用，它能 强烈增强 抗原呈递。
• 在“免疫情境中性”下使用，则 几乎没有效果。

这个预测之所以令人兴奋，是因为它是一个 全新的、可供验证的科学假设。此前没有任何文献报道过抑制 CK2 能够直接增强抗原呈递。这表明模型并非在重复已知事实，而是在生成新的科学见解。

为了验证这一假设，研究团队在实验室中用人类神经内分泌细胞模型进行了测试。实验结果证实了模型的预测：

• 单独使用 silmitasertib 对抗原呈递 没有影响。
• 单独使用低剂量干扰素，效果 很有限。
• 同时使用 silmitasertib 和低剂量干扰素，则产生了 显著的协同放大效应。

值得注意的是，在实验室测试中，这种组合疗法使抗原呈递增加了大约 50%，这将使肿瘤对免疫系统更加“可见”。模型的计算机预测在体外实验中得到了多次证实，为开发新的 组合疗法（即同时使用多种药物以达到更强效果）提供了有力的线索。