Google DeepMind与耶鲁大学联合开发AI模型C2S-Scale27B，取得癌症治疗突破
Google DeepMind与耶鲁大学发布抗癌AI模型
在具有里程碑意义的合作中，Google DeepMind和耶鲁大学开发了拥有270亿参数的C2S-Scale27B人工智能模型，该模型在癌症研究中展现出前所未有的能力。该模型专长于分析细胞相互作用，并直接在生命系统中验证生物学发现。
图片来源说明：由AI生成图像，图像授权服务商Midjourney
用AI解码肿瘤免疫学
C2S-Scale27B模型基于谷歌的Gemma架构专门设计，用于解读复杂的细胞关系——尤其是癌细胞与免疫防御系统之间的互动。其最重大发现涉及将逃避免疫识别的"冷"肿瘤转化为免疫系统可识别的"热"肿瘤。
"这标志着我们应对免疫疗法耐药癌症的方式发生了范式转变，"耶鲁团队首席计算生物学家Aaron Goldman博士解释道，"该模型识别出了我们此前未曾考虑靶向的生物通路。"
加速药物发现
研究人员采用双上下文虚拟筛选来分析：
- 4000多种现有药物对肿瘤样本的影响
- 分离细胞系中的细胞反应模式
该AI不仅验证了已知的免疫疗法，还发现了10-30%全新候选药物——这些药物此前与癌症治疗毫无关联。其中CK2抑制剂silmitasertib (CX-4945)与小剂量干扰素联用时显示出特殊潜力。
验证AI预测结果
耶鲁团队严格测试了模型的发现：
| 治疗方案 | 抗原呈递提升幅度 |
|---|
"协同效应非常明显，"Goldman博士指出，"我们正在研究该模型识别的另外七种联合疗法。"
未来影响
C2S-Scale27B的成果证明了：
- 规模化假说生成：AI能探索超越人类认知极限的生物学可能性
- 治疗个性化：未来模型或可为患者设计专属方案
- 药物再利用：现有药物可能获得新的肿瘤学应用价值
耶鲁团队已启动silmitasertib-干扰素组合的一期临床试验，初步结果预计2026年底公布。
关键要点：
🌟 新机制发现：C2S-Scale27B揭示了如何使"冷"肿瘤对免疫系统可见 💊 突破性组合：Silmitasertib+干扰素使抗原呈递提升50% 🔬 范式转变：为治疗免疫疗法耐药癌症开辟新途径
