AI发现抗癌新药组合 深度学习推动生物科学突破

谷歌DeepMind近日宣布，在癌症治疗研究中取得重大进展。其开发的AI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，标志着人工智能驱动生物学的重要突破。 H2: 人工智能首次生成可验证的生物学新假设 DeepMind与耶鲁大学联合研发的Cell2Sentence-Scale 27B（C2S-Scale）模型，基于谷歌开源芽模型系列构建，拥有270亿参数，专用于单细胞数据分析。该模型能从海量患者肿瘤数据中识别出潜在治疗靶点，并预测药物对免疫反应的影响。 H2: 解决“冷肿瘤”难题：让免疫系统看见癌细胞 当前癌症免疫疗法面临的核心挑战是“冷肿瘤”——即免疫系统无法识别的肿瘤。研究团队利用该模型模拟超过4000种候选药物的效果，最终预测西米他赛替布（CX-4945）在特定生物环境下可显著增强抗原呈递能力，从而提升肿瘤细胞对免疫系统的可见性。 H2: 实验验证：抗原呈递提升50% 具备临床潜力 实验室测试显示，当使用西米他赛替布与低剂量干扰素联合处理人类神经内分泌细胞时，抗原呈递水平提升了约50%。这一结果证实了模型预测的准确性，也表明该药物组合具备成为新型抗癌疗法的潜力。 H2: 开源共享：推动全球科研协作与进一步探索 目前，C2S-Scale模型及其配套工具已公开发布于GitHub和拥抱脸平台，相关科学预印本亦上传至bioRxiv。这一开放策略旨在促进全球研究人员复现、验证并拓展AI生成的科学发现。 H2: 专家提醒：仍处早期阶段 需长期验证 尽管成果令人振奋，但研究团队及外部专家均强调，该发现仅为临床前研究的第一步。尚未经过同行评审，也未进入人体试验阶段。任何治疗应用仍需数年时间进行深入研究与安全性评估。 此次突破展示了大规模生物AI模型在创造新知识方面的巨大潜力，为未来虚拟药物筛选与机制探索提供了可复制的技术蓝图。随着技术持续演进，人工智能正逐步从辅助工具转变为科学发现的主动参与者。