行业动态

癌症免疫治疗的主要挑战之一在于，大量肿瘤呈现出“冷肿瘤”特征，即缺乏足够的免疫识别信号，从而逃避免疫系统的监测与攻击。促使此类肿瘤“转热”的关键策略之一，是通过抗原呈递过程诱导其表达免疫激活信号，以增强肿瘤细胞对机体免疫系统的可识别性与应答性。

近日，谷歌 DeepMind 与耶鲁大学合作，正式发布了 Cell2Sentence-Scale 27B（简称 C2S-Scale） —— 一款拥有 270 亿参数、旨在理解单个细胞语言的基础模型。该模型基于谷歌开源的 Gemma 系列模型构建，代表着单细胞分析领域的全新前沿。

这项成果就聚焦癌症免疫治疗的挑战：如何让所谓的“冷肿瘤”（对免疫系统隐形的肿瘤）变“热”，从而更易被免疫系统识别并响应治疗。

DeepMind 称，其模型能够“生成关于癌细胞行为的全新假设，并且已通过活细胞实验验证了其预测。此外，该模型成功预测一种能够积极增强免疫信号的药物，这种药物只能在特定的生物环境下增强免疫可见性。

谷歌首席执行官 Sundar Pichai 在社交媒体上写道：“随着更多的临床前和临床测试，这一发现或许能揭示出一种开发抗癌疗法的全新途径。”

该模型及相关工具已在 Hugging Face 和 GitHub 上公开，相关科研预印本已发布在 bioRxiv 上。

图 | “冷”肿瘤细胞几乎不被免疫系统识别，而“热”肿瘤细胞表面抗原丰富，更易被攻击

为了找到能够积极增强免疫信号的药物。研究人员让 C2S-Scale 分析了患者的肿瘤数据，并模拟了 4000 多种候选药物在两种条件下的效果：一种情况下免疫信号活跃，向模型提供来自真实患者样本的数据，包含完整的肿瘤-免疫相互作用及低水平干扰素信号；另一种情况下免疫信号不活跃，提供无免疫背景的细胞系数据。要求模型预测哪些药物仅在免疫活跃环境中能提升抗原呈递，以便更接近临床实际场景。

模型筛选出的药物中，大约有 10% 至 30% 已在文献中被报道，其余则是从未被提及的新发现。其中，激酶 CK2 抑制剂 Silmitasertib（又名 CX-4945）可显著提升抗原呈递。当 Silmitasertib 作用于免疫活跃环境时，抗原呈递显著增强；而在免疫中性环境中则几乎无效。

在人类神经内分泌细胞模型中进行测试，支持了模型的预测：单独使用 Silmitasertib 对抗原呈递无影响；单独使用低剂量干扰素可轻微提升抗原呈递。联合使用 Silmitasertib + 低剂量干扰素，抗原呈递水平上升约50%，显著增强肿瘤细胞被免疫系统识别的可见性。

令人兴奋的是，这一预测在科学文献中从未被报道。虽然 CK2 已知参与多种细胞功能，并被认为可能调节免疫系统，但此前并无研究显示通过 Silmitasertib 抑制 CK2 可以显著提升 MHC-I 表达或抗原呈递。

这意味着，模型真正提出了一个全新且可验证的科学假说，而非简单重复已知事实。

值得注意的是，上述预测结果已在实验室中被多次验证。C2S-Scale 成功发现了一种干扰素依赖型放大剂，揭示了一条让“冷肿瘤”变“热”的潜在新通路，或将提高免疫疗法的应答率。

这一成果有望为未来的生物学发现提供了新方法。它证明了，遵循“规模定律”并构建更大型的模型（如 C2S-Scale 27B），可以创建足够强大的细胞行为预测模型，用于：高通量虚拟药物筛选；识别“环境依赖型”生物学规律；生成具有生物学依据的实验假设。

目前，耶鲁大学的研究团队正在深入研究这一免疫效应的分子机制，并验证模型生成的其他预测。随着更多临床前与临床验证的推进，这类 AI 生成假说有望加速新疗法的发现进程。

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

2.https://www.biorxiv.org/content/10.1101/2025.04.14.648850v2

免责声明：本文旨在传递合成生物学最新讯息，不代表平台立场，不构成任何投资意见和建议，以官方/公司公告为准。本文也不是治疗方案推荐，如需获得治疗方案指导，请前往正规医院就诊。