币币情报道：
谷歌 DeepMind 近日宣布，其最新的人工智能系统在癌症治疗研究中取得了重要突破。该系统不仅生成了全新的科学假设，还通过实验证实了这些假设的可行性。谷歌将这一成果称为“人工智能在科学领域的里程碑”。
谷歌首席执行官 Sundar Pichai 表示：“这项发现为抗癌疗法的开发提供了一条充满希望的新途径。未来还需要进行更多的临床前和临床试验，以进一步验证其潜力。”发推文.
DeepMind 研究团队与耶鲁大学合作开发了一个名为Cell2Sentence-Scale 27B（C2S-Scale）的基础模型，该模型拥有270亿个参数，专门用于单细胞分析。它基于 Google 的开源芽模型系列构建，能够生成关于癌细胞行为的全新假设，并通过活细胞实验验证这些假设的预测能力。
这一突破的核心在于解决癌症免疫疗法中的一个重大难题：如何让免疫系统无法识别的所谓“冷肿瘤”变得更“热”，从而对治疗更敏感。DeepMind 表示，其模型成功识别出一种特定的条件放大药物，这种药物可以在某些生物环境下显著增强免疫系统的可见性。
为了验证这一假设，C2S-Scale 分析了患者肿瘤数据，并模拟了超过4,000种候选药物的效果。模型预测，一种名为西米他赛替布（CX-4945）的激酶 CK2 抑制剂，能够显著增加抗原呈递——这是免疫反应的关键触发因素，但仅限于免疫活跃的环境中。
谷歌在博客文章中写道：“这个预测之所以令人兴奋，是因为它提出了一个全新的想法。尽管 CK2 已知与多种细胞功能相关，包括作为免疫系统的调节剂，但文献中尚未报道通过 silmitasertib 抑制 CK2 能够明确增强 MHC-I 表达或抗原呈递。这表明该模型正在生成新的、可验证的假设，而不仅仅是重复已知的事实。”
实验室实验进一步证实了这一预测。当使用 silmitasertib 和低剂量干扰素治疗人类神经内分泌细胞时，抗原呈递量增加了约50%，从而使得肿瘤细胞更容易被免疫系统识别和攻击。
DeepMind 的研究人员表示，这一发现证明了扩展生物 AI 模型不仅能提高准确性，还能推动全新的科学发展。文章指出：“扩展的真正前景在于创造新想法，探索未知领域。”
目前，耶鲁大学的研究团队正在深入研究这种免疫系统效应背后的机制，并测试其他由人工智能生成的预测。DeepMind 表示，这项研究为一种新型生物学发现提供了蓝图，展示了如何利用大规模人工智能系统进行虚拟药物筛选，并提出基于生物学的假设供实验室验证。
该模型及其配套工具已公开发布在拥抱脸 和 GitHub，其科学预印本也已发布在bioRxiv。
不过，专家提醒，这些发现仅仅是漫长研究过程的第一步。研究结果尚未经过同行评审或临床验证，任何治疗应用都需要多年的进一步研究和试验。
快讯