在癌症研究领域，由谷歌DeepMind与耶鲁大学联合开发的270亿参数人工智能模型C2S-Scale27B带来了重大突破。该模型的主要任务是分析细胞行为并验证活细胞的新发现。这一发现标志着一种新的癌症治疗方法，并可能改变未来疗法的设计。
C2S-Scale27B 模型基于 Google 的 Gemma 模型，专门设计用于了解细胞之间的复杂相互作用，特别是癌细胞与免疫系统之间的关系。该模型揭示了一种新机制，可以使免疫系统识别“冷”肿瘤，这一过程称为“加热”肿瘤。冷肿瘤通常能够逃避免疫检测，这给免疫治疗带来了重大挑战。
研究人员使用一种称为双上下文虚拟筛选的技术分析了 4,000 多种药物对患者肿瘤样本和分离细胞数据的影响。最终，人工智能模型不仅发现了现有药物，还发现了 10% 到 30% 之前与癌症免疫疗法没有关联的新候选药物。
值得注意的是，CK2 抑制剂 silmitasertib （CX-4945） 脱颖而出。该模型预测，将低剂量干扰素与 silmitasertib 联合使用可以显着增强抗原呈递并激活免疫识别。耶鲁大学的科学家在模型训练中未使用的数据上测试了这一预测，结果证实了人工智能的预测：单独使用silmitasertib或低剂量干扰素效果微乎其微，但联合使用时，抗原呈递增加了50%。
这一发现不仅展示了C2S-Scale27B模型的强大能力，也为肿瘤免疫治疗开辟了新的研究方向。耶鲁大学研究团队现在正在进一步研究这种机制，并测试该模型生成的其他预测。这一成就凸显了大型人工智能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。
