背景
在与耶鲁大学的研究合作中，谷歌DeepMind推出了C2S-Scale，一个新型的27亿参数基础模型，旨在理解单细胞的语言。基于Gemma开放模型家族，C2S-Scale标志着单细胞分析的新前沿。
关键发现
C2S-Scale模型预测了一种药物组合，可能使肿瘤在免疫系统中更为显眼，从而提供新的癌症治疗方法。研究人员可以访问该模型及相关资源，以便进一步探索和构建。
模型工作原理
癌症免疫疗法的一个主要挑战是许多肿瘤处于“冷”状态，无法被免疫系统识别。我们要求C2S-Scale模型找到一种条件放大剂，该药物只能在特定的“免疫环境正向”下增强免疫信号。为此，我们设计了一个双重背景的虚拟筛选方法。
- 免疫环境正向：提供真实患者样本，具有完整的肿瘤-免疫相互作用和低水平的干扰素信号。
- 免疫环境中性：提供无免疫背景的细胞系数据。
通过模拟4000多种药物在这两个背景下的效果，模型预测哪些药物只在第一个背景中增强抗原呈递。
实验验证
模型的预测显示，CK2抑制剂silmitasertib在“免疫环境正向”下显著增强抗原呈递，而在“免疫环境中性”下则几乎没有效果。实验结果确认了这一点：silmitasertib和低剂量干扰素的组合导致抗原呈递增加了约50%。
这表明C2S-Scale成功识别了一种新的、干扰素条件下的放大剂，揭示了使“冷”肿瘤“热”的潜在路径，并可能对免疫疗法产生更好的响应。
结论
C2S-Scale的发布为开发新的组合疗法提供了强有力的实验验证线索，展示了通过构建更大模型可以创造生物学发现的新方式。耶鲁团队正在进一步探索此机制，并测试其他免疫背景下的AI生成预测。
博主点评： 通过C2S-Scale模型的成功应用，谷歌DeepMind展示了AI在癌症研究领域的巨大潜力。这一创新不仅为冷肿瘤的治疗提供了新思路，也为未来的生物医学研究开辟了新的道路。科学家们可以利用这一模型加速新疗法的开发，期待其在临床应用中的表现！