Gemma模型助力发现癌症新疗法

Gemma模型如何帮助发现新的潜在癌症治疗路径

2025年10月15日 · 4分钟阅读

我们发布了一款全新的270亿参数基础模型，用于单细胞分析。该模型基于Gemma系列开放模型构建。

C2S-Scale 27B的工作原理

癌症免疫疗法的一个主要挑战是许多肿瘤是“冷”的——人体免疫系统无法识别它们。使它们变“热”的一个关键策略是通过称为“抗原呈递”的过程，迫使它们显示触发免疫的信号。

我们给新的C2S-Scale 27B模型布置了一个任务：找到一种可作为条件性放大器的药物。这种药物仅在特定的“免疫环境阳性”背景下增强免疫信号——在该背景下，已存在低水平的干扰素（一种关键的免疫信号蛋白），但其本身不足以诱导抗原呈递。这需要一定水平的条件推理，这似乎是模型规模扩大后出现的一种能力；较小的模型无法解析这种依赖背景的效应。

为此，我们设计了一个双情境虚拟筛选来寻找这种特定的协同效应。该虚拟筛选包括两个阶段：

• 免疫环境阳性：向模型提供具有完整肿瘤-免疫相互作用和低水平干扰素信号的真实患者样本。
• 免疫环境中性：向模型提供没有免疫背景的分离细胞系数据。

然后，我们模拟了4000多种药物在这两种情境下的效果，并要求模型预测哪些药物仅会在第一种情境中增强抗原呈递，从而使筛选偏向于患者相关的设置。在模型突出的众多候选药物中，一小部分（10-30%）已在先前的文献中已知，而其余药物则是令人惊讶的新发现，之前与这种筛选没有已知联系。

从预测到实验验证

模型的预测很明确。它识别出一种名为silmitasertib（CX-4945）的激酶CK2抑制剂出现了显著的“情境分裂”。模型预测，在“免疫环境阳性”情境下应用silmitasertib会强烈增强抗原呈递，而在“免疫环境中性”情境下则几乎没有效果。这一预测令人兴奋之处在于它是一个新颖的想法。尽管CK2已被涉及许多细胞功能，包括作为免疫系统的调节剂，但文献中并未报道通过silmitasertib抑制CK2能明确增强MHC-I表达或抗原呈递。这表明模型正在生成一个新的、可检验的假设，而不仅仅是重复已知事实。

然而，预测只有在能够通过临床应用验证时才有价值。真正的考验首先在实验室，最终在临床。

在项目的下一阶段，我们将这一假设带到实验室工作台，在人类神经内分泌细胞模型（模型在训练期间完全未见过的细胞类型）中进行了测试。实验表明：

• 仅用silmitasertib处理细胞对抗原呈递（MHC-I）没有影响。
• 仅用低剂量干扰素处理细胞产生适度的效果。
• 同时使用silmitasertib和低剂量干扰素处理细胞，产生了显著的、协同的抗原呈递放大效应。

值得注意的是，在实验室测试中，silmitasertib与低剂量干扰素的组合导致抗原呈递增加了大约50%，这将使肿瘤更易被免疫系统识别。

模型的计算机预测在体外多次得到证实。C2S-Scale成功识别出一种新型的、干扰素条件性的放大器，揭示了一条将“冷”肿瘤转化为“热”肿瘤的潜在新路径，可能使肿瘤对免疫疗法更敏感。虽然这只是早期第一步，但它为开发新的组合疗法（即联合使用多种药物以达到更强效果）提供了一个有力的、经过实验验证的线索。

这一结果也为一种新型的生物发现提供了蓝图。它表明，通过遵循规模法则并构建像C2S-Scale 27B这样更大的模型，可以创建足够强大的细胞行为预测模型，以运行高通量虚拟筛选，发现情境依赖的生物学机制，并生成基于生物学的假设。

某机构的团队目前正在探索此处揭示的机制，并在其他免疫背景下测试更多AI生成的预测。经过进一步的临床前和临床验证，这类假设最终可能加速新疗法的问世。

开始使用C2S-Scale 27B

新的C2S-Scale 27B模型及其资源现已面向研究社区开放。我们邀请您探索这些工具，在我们的工作基础上继续研究，并帮助我们将生命的语言翻译得更加透彻。FINISHED