人工智能科学应用领域再度传来令人振奋的消息！

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

谷歌与耶鲁大学的科研团队携手发布了一款名为Cell2Sentence-Scale 27B（C2S-Scale）的大型语言模型。

该模型创新性地提出了关于癌细胞行为机制的全新理论框架，并已通过多轮体外实验验证。

这一突破性发现引起了学界广泛关注，它展示了人工智能模型生成原创科学假说的潜力，有望为人类抗癌治疗开辟全新路径。

社交媒体用户prinz在X平台评价称：“这表明该模型并非简单复现已知结论，而是产生了可验证的创新科学假说。”

C2S-Scale基于谷歌开源Gemma模型架构构建，其训练语料涵盖超过100亿Token的转录组数据、生物医学文献与元数据，从而形成了跨维度解析细胞行为的分析能力。

目前耶鲁大学研究团队正在推进AI在其他免疫学场景中的科学预测，这种机制的诞生有望加速抗癌新疗法的研发进程。

研究人员已在bioRxiv预印本平台公开论文初稿，目前正处于同行评审阶段。

论文地址：https://www.biorxiv.org/content/10.1101/2025.04.14.648850v2.full.pdf+html

人工智能实现认知飞跃

从知识复现到科学创新

C2S-Scale作为拥有270亿参数的专项模型，其设计目标在于解析单个细胞的“分子语言”。

该模型基于Gemma模型家族进行深度优化，将单细胞分析技术推向了前沿发展阶段。

该模型在科学预测方面取得的成果，证实了研究团队在生物模型构建上的重要假设：

生物学模型同样遵循明确的可扩展规律——正如自然语言模型那样，模型规模与生物学任务表现呈现正相关性。

这也引出一个关键问题：扩大模型规模仅是提升已有能力，还是能催生全新的推理机制？

模型扩展的真正价值，在于孕育新思路、揭示未知规律，而非仅局限于性能的线性提升。

癌症免疫治疗面临的核心挑战在于，多数肿瘤对免疫系统而言都处于“隐身”状态。

促使肿瘤“显形”的关键机制在于抗原呈递——通过展示能触发免疫反应的信号分子，让这些病灶暴露在免疫系统的监控之下。

抗原呈递的本质，是将病原体（如病毒、肿瘤）的“可疑分子片段”（抗原）呈现在细胞表面，使免疫细胞能够识别并决定是否启动攻击程序。

研究团队赋予C2S-Scale一项特殊使命：寻找具有“条件性放大效应”的化合物，使其在“免疫环境阳性”条件下特异性增强免疫信号。

这项任务要求模型具备复杂的条件推理能力，而这种能力正是大模型随规模扩大涌现的特征——较小模型难以捕捉这种依赖环境条件的响应机制。

为实现这一目标，研究人员设计了“双环境虚拟筛选”流程，用以识别这种特定的协同效应。

该流程包括：

免疫环境阳性：输入真实患者样本，保留肿瘤与免疫系统的交互特征，同时维持低水平干扰素信号；

免疫环境中性：输入缺乏免疫背景的细胞系数据。

研究人员在以上两种环境中对超过4000种药物进行模拟，并要求模型预测哪些药物仅在免疫环境阳性条件下增强抗原呈递，从而更符合临床实际。

结果显示，约10%–30%的药物在文献中已有报道，这验证了模型的可信度。

其余候选药物则是从未被报道过的新发现，这意味着模型不仅复现了已知生物学现象，还发现了具有潜力的新型免疫协同药物。

科学探索新里程

AI生成抗癌假说获实验证实

C2S-Scale模型发现激酶CK2抑制剂silmitasertib（CX-4945）具有显著的“环境分化效应”：

仅在免疫信号活跃的环境中显著增强抗原呈递，而在免疫中性环境下几乎无效。

这一发现表明模型成功生成了具备实验可验证性的全新生物学假说。

在后续实验阶段，研究人员在人体神经内分泌细胞模型中验证了这一假设，实验数据显示：

单独使用silmitasertib对抗原呈递（MHC-I）影响不显著；

低剂量干扰素单独使用仅产生轻微效果；

联合使用二者则显著增强抗原呈递，使其提升约50%。

这一结果证实了模型预测的可靠性，并揭示出让肿瘤更易被免疫系统识别的潜在新途径。

C2S-Scale模型通过计算机模拟预测，在多次体外实验中得到验证。

它成功识别出一种新的干扰素依赖性放大机制，揭示出让“冷肿瘤”转“热”的潜在路径，为免疫治疗带来新的希望。

虽然该研究仍处于早期阶段，但这一成果已为新型联合疗法的开发提供了实证依据，并开启了大模型驱动的新科研范式——科学假说的生成、筛选与验证正朝着智能化、系统化方向发展。

目前，新版C2S-Scale 27B模型及相关资源已在Hugging Face全面开放。

地址：https://huggingface.co/vandijklab/C2S-Scale-Gemma-2-27B

也可以在GitHub上访问其代码。

地址：https://github.com/vandijklab/cell2sentence

研究团队期待与更多科研同仁共同探索这些工具，进一步拓展研究成果，让大模型能够解读更多生命语言的奥秘，从而为医疗科技带来全新突破。

参考资料：

https://x.com/sundarpichai/status/1978507110477332582%20

https://blog.google/technology/ai/google-gemma-ai-cancer-therapy-discovery/

热门推荐