📢 转载信息
原文链接：https://www.ithome.com/0/889/906.htm
原文作者：故渊
谷歌开源抗癌AI模型：模拟4000种药物后锁定潜在抗癌药，助力免疫疗法突破
2025年10月16日消息，据IT之家报道，谷歌研究院近日宣布与耶鲁大学合作，共同推出了基于其开源模型Gemma构建的Cell2Sentence-Scale 27B（简称 C2S-Scale）模型。这款拥有270亿参数的AI模型，专注于通过分析单细胞数据来发掘新的癌症治疗途径，特别是在解决癌症免疫疗法中的核心难题。
解决免疫疗法的“冷肿瘤”难题
在癌症免疫疗法中，一个主要的挑战是许多肿瘤能够“躲避”免疫系统的侦测，即所谓的“冷”肿瘤。关键的突破策略在于诱导“抗原呈递”过程，即迫使肿瘤细胞暴露免疫触发信号，从而将其转化为免疫系统可以攻击的“热”肿瘤。
C2S-Scale模型的构建正是为了寻找一种能充当“条件性放大器”的药物。这种药物需要在特定的“免疫环境阳性”下才能增强免疫信号，即便在干扰素（关键免疫信号蛋白）水平较低的环境中也能发挥作用。
AI虚拟筛选，锁定关键药物
为了实现这一目标，研究团队设计了一套精巧的双情境虚拟筛选流程。他们向C2S-Scale模型输入了两类数据：
- 包含完整肿瘤与免疫互动的真实患者样本数据（免疫阳性情境）。
- 无免疫背景的孤立细胞系数据（免疫中性情境）。
随后，模型被要求模拟超过4000种药物在上述两种情境下的表现，并预测哪些药物仅在第一种情境下能有效增强抗原呈递。模型的预测结果清晰地指向了激酶CK2抑制剂 silmitasertib（CX-4945），它在不同情境下显示出显著的差异效应。
实验室验证：AI假设得到证实
这一由AI生成的全新假设随后被带入实验室，在研究人员此前未接触过的人类神经内内分泌细胞上进行了验证。结果令人振奋地证实了AI的预测：单独使用silmitasertib或低剂量的干扰素效果不佳，但两者联合使用时，细胞的抗原呈递水平实现了约50%的显著协同提升。
这意味着，AI辅助的药物联合使用方案能有效地将肿瘤暴露在免疫系统面前，为抗击顽固的“冷”肿瘤提供了新的、高效的AI驱动策略。
参考链接：
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区