在癌症研究领域，谷歌 DeepMind 与耶鲁大学联合开发的27亿参数人工智能模型，C2S-Scale27B，带来了重大的突破。该模型的主要任务是分析细胞行为，并在活细胞中验证新发现。这一发现标志着对癌症治疗的新思路，可能会改变未来疗法的设计。

图源备注:图片由AI生成，图片授权服务商Midjourney

C2S-Scale27B 模型基于谷歌的 Gemma 模型，专门用于理解细胞间的复杂互动，尤其是癌细胞与免疫系统的关系。该模型揭示了一种新机制，可以帮助 “冷” 肿瘤变得可被免疫系统识别，这一过程被称为 “加热” 肿瘤。冷肿瘤通常能够躲避免疫检测，给免疫治疗带来了巨大挑战。

研究人员通过一种名为双上下文虚拟筛选的技术，分析了超过4000种药物在患者肿瘤样本和分离细胞数据中的效果。最终，AI 模型不仅找到了已有的药物，还发现了10% 至30% 的新药物候选者。这些新候选者之前与癌症免疫治疗并无关联。

其中最引人注目的是 CK2抑制剂 silmitasertib（CX-4945）。模型预测，当低剂量的干扰素与 silmitasertib 结合使用时，可以显著增强抗原呈递，激活免疫识别。耶鲁的科学家们在未参与模型训练的数据上进行了实验验证，结果证实了 AI 的预测:单独使用 silmitasertib 或低剂量干扰素效果微乎其微，但两者结合使用后，抗原呈递提升了50%。

这一发现不仅展示了 C2S-Scale27B 模型的强大能力，更为肿瘤免疫治疗开辟了新的研究方向。耶鲁的研究团队现在正在进一步探究这一机制，并测试模型生成的其他预测。这一成果彰显了大型 AI 模型在生物研究中的潜力，能够以前所未有的速度生成和验证假设。

划重点: