Gemma模型榜单：癌症新疗法权威评测

Gemma模型如何驱动癌症治疗新靶点的发现

2025年10月15日 · 4分钟阅读

一款基于Gemma开放架构、专为单细胞分析设计的270亿参数基础模型正式亮相——C2S-Scale 27B。它的核心使命远不止命名那么简单：通过大规模虚拟筛选，重新定义“冷”肿瘤向“热”肿瘤转化的路径。

C2S-Scale 27B的运行机制

癌症免疫疗法的瓶颈长期集中在“冷”肿瘤上——免疫系统无法识别这些肿瘤细胞。要让肿瘤“热”起来，关键在于抗原呈递：迫使肿瘤细胞主动展示免疫系统可识别的信号。C2S-Scale 27B的独特任务，是寻找一种具备“条件性放大”能力的药物——仅在免疫环境阳性背景下增强免疫信号，且该背景需已存在低水平干扰素（关键免疫信号蛋白），但浓度不足以单独触发抗原呈递。这种依赖上下文的推理能力，只在模型规模达到一定阈值后才能涌现；规模较小的模型根本无法解析这种复杂的上下文效应。

研究团队设计了一套双情境虚拟筛选流程，分为两个阶段：

• 免疫环境阳性：向模型输入真实患者样本，包含完整的肿瘤-免疫相互作用及低水平干扰素信号。
• 免疫环境中性：向模型输入无免疫背景的分离细胞系数据。

随后，模型模拟了4000余种药物在两类情境下的效果，并预测哪些药物仅在第一种情境中显著增强抗原呈递。这一设计让筛选结果更贴近临床实际。在候选药物中，10%至30%已有文献支持，其余则为全新面孔——此前没有任何研究将这类化合物与筛选机制关联起来。

从计算预测到实验验证

模型输出了一个高度清晰的预测：激酶CK2抑制剂silmitasertib（CX-4945）表现出显著的情境分裂现象。模型预测，在免疫环境阳性的条件下使用silmitasertib将强烈增强抗原呈递，而在免疫环境中性条件下则几乎无效。这个预测令人兴奋，因为它完全跳出了既有知识框架。CK2虽被广泛涉及多种细胞功能（包括免疫调节），但文献中从未报道过其抑制剂能明确提升MHC-I表达或抗原呈递。这意味着模型确实生成了一个全新、可检验的假设，而非重复已知事实。

预测的价值只能在临床验证中兑现。真正的考验，第一步在实验室，最终在临床。研究团队将这一假设带入实验阶段，在人类神经内分泌细胞模型（模型训练集未曾见过）中进行了测试。实验结果如下：

• 单独使用silmitasertib处理细胞：对MHC-I（抗原呈递标志物）无影响。
• 单独使用低剂量干扰素处理细胞：产生适度效果。
• 联合使用silmitasertib与低剂量干扰素处理细胞：产生显著且协同的抗原呈递放大效应。

关键数据点：在实验室测试中，silmitasertib与低剂量干扰素的组合使抗原呈递提升约50%——意味着肿瘤将更易被免疫系统识别。模型的计算机预测在体外多次得到验证。C2S-Scale成功识别出一种新型的、干扰素条件性放大器，揭示了一条将“冷”肿瘤转化为“热”肿瘤的潜在路径，很可能让肿瘤对免疫疗法更敏感。这虽只是早期第一步，但为开发新的组合疗法（联合多种药物以实现更强疗效）提供了经实验验证的线索。

这一成果也为新型生物发现提供了蓝图：遵循规模法则构建更大模型（如C2S-Scale 27B），可以创建足够强大的细胞行为预测模型，从而运行高通量虚拟筛选，发现情境依赖的生物学机制，并生成基于生物学基础的假设。研究团队目前正在深入探索本节涉及的机制，并在其他免疫背景下测试更多AI生成的预测。经过进一步的临床前和临床验证，这类假设最终可能加速新疗法的问世。

使用C2S-Scale 27B入门

C2S-Scale 27B模型及其资源现已面向研究社区开放。欢迎探索这些工具，在已有工作基础上推进研究，帮助我们将生命的语言翻译得更透彻。