模型概述与核心突破 - 谷歌与耶鲁大学科学家联合发布270亿参数大模型Cell2Sentence-Scale 27B (C2S-Scale)，该模型旨在理解单个细胞“语言”[1][3] - 模型核心突破在于其能够生成关于癌细胞行为的全新、可验证的科学假设，展示了AI模型生成原创科学发现的潜力，而非简单重复已知事实[1][2] - 模型基于Google的开源Gemma模型家族构建，训练语料涵盖超过10亿个Token的转录组数据、生物学文献与元数据[1][4] 技术原理与实验设计 - 研究验证了生物学模型遵循明确的模型扩展规律，即模型越大，在生物学任务上表现越优，并可能催生新的推理能力[4] - 模型被赋予寻找“条件性放大剂”的任务，该任务需要复杂的条件推理能力，是随模型规模扩大而涌现的特性[4] - 研究人员设计了“双环境虚拟筛选”流程，在免疫环境阳性和免疫环境中性两种条件下，对超过4000种药物进行模拟预测[4][5] 关键发现与实验验证 - 模型成功识别出激酶CK2抑制剂silmitasertib (CX-4945) 具有显著的“环境分化效应”，仅在免疫信号活跃环境中增强抗原呈递[7] - 后续体外实验验证了该预测：联合使用silmitasertib和低剂量干扰素可显著增强抗原呈递约50%，而单独使用效果不显著[7][9] - 模拟预测结果显示，约有10%–30%的药物在文献中已有报道，验证了模型可信度，其余候选则为从未被报道过的新发现[5][6] 行业影响与未来展望 - 该发现揭示了让“冷肿瘤”变“热”的潜在新途径，即通过增强抗原呈递使肿瘤更易被免疫系统识别，为癌症免疫治疗带来新希望[8][10] - 此项研究开启了大模型驱动的生物学发现新范式，预示着科学假设的生成、筛选与验证将日益智能化、系统化[10] - C2S-Scale 27B模型及其相关资源已在Hugging Face和GitHub上全面开放，旨在与更广泛的研究社区共同探索工具，拓展研究成果[10][12][13][14]