谷歌DeepMind周三表示，其最新的生物人工智能系统生成并实验验证了一个新的癌症治疗假设，该结果被公司称为“科学领域人工智能的里程碑”。

“通过更多的临床前和临床测试，这一发现可能揭示出开发抗癌疗法的新有希望的途径，”谷歌首席执行官桑达尔·皮查伊在推特上写道。

与耶鲁大学合作，DeepMind研究人员发布了一个用于单细胞分析的27亿参数基础模型，称为Cell2Sentence-Scale 27B（C2S-Scale），该模型基于谷歌的开源Gemma模型系列。该模型能够生成“关于癌症细胞行为的新假设，我们随后在活细胞中通过实验验证了其预测。这一发现揭示了开发抗癌疗法的新有希望的途径，”公司在今天的博客文章中写道。

这一发现集中在癌症免疫治疗中最棘手的问题之一：如何使所谓的冷肿瘤（对免疫系统不可见）变得更热，从而对治疗更具反应性。DeepMind表示，其模型成功识别出一种条件放大药物，该药物仅在特定生物环境中能够增强免疫可见性。

为了测试这一想法，C2S-Scale分析了患者肿瘤数据，并在两种条件下模拟了4000多种药物候选物的效果：一种是免疫信号活跃的状态，另一种是免疫信号不活跃的状态。模型预测，激酶CK2抑制剂silmitasertib（CX-4945）将在免疫活跃的环境中显著增加抗原呈递——这是一个关键的免疫触发因素。

“这一预测之所以令人兴奋，是因为它是一个新颖的想法，”谷歌写道。“尽管CK2与许多细胞功能有关，包括作为免疫系统的调节因子，但文献中并未报道通过silmitasertib抑制CK2明确增强MHC-I表达或抗原呈递。这突显了模型生成了一个新的、可测试的假设，而不仅仅是重复已知的事实。”

实验室实验证实了这一预测。当人类神经内分泌细胞同时接受silmitasertib和低剂量干扰素处理时，抗原呈递增加了大约50%，有效地使肿瘤细胞对免疫系统更具可见性。

DeepMind研究人员将这一发现描述为证据，表明扩大生物AI模型不仅提高了准确性——它还可以产生全新的假设。“扩大的真正潜力在于创造新想法和发现未知，”文章中写道。

耶鲁大学的团队现在正在探究这一免疫系统效应的机制，并测试其他AI生成的预测。DeepMind表示，这项工作“为一种新型生物发现提供了蓝图”，这种发现利用大规模AI系统进行虚拟药物筛选，并提出生物学基础的假设以供实验室测试。

该模型及其附带工具已在Hugging Face和GitHub上公开提供，并在bioRxiv上发布了科学预印本。

尽管如此，专家们警告说，这些发现仅代表漫长过程的第一步。结果尚未经过同行评审或临床验证，任何治疗应用都需要数年的额外研究和试验。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。