谷歌与耶鲁AI模型C2S-Scale突破：生成抗癌新假设并获实验验证

近期，人工智能在科学应用领域再度传来重磅消息！

谷歌公司与耶鲁大学的科研团队联合发布了一款大型模型Cell2Sentence-Scale 27B（简称C2S-Scale）。

该模型针对癌细胞行为提出了一个全新假设，并已在多次体外实验中成功验证。

这一发现引发了广泛关注，展示了人工智能模型生成原创科学假设的潜力，有望为人类抗癌开辟新途径。

网友prinz在X平台上评论道，「这表明该模型并非简单复现已知事实，而是产生了新颖、可验证的科学假设。」

C2S-Scale基于谷歌的开源Gemma模型构建，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，从而使其具备跨维度解析细胞行为的能力。

目前，耶鲁大学的研究团队正在推动AI在其他免疫学情境中生成更多科学预测，这一机制有望加速抗癌新疗法的研发进程。

研究人员还在bioRxiv上公开了论文预印本，目前该论文正处于「同行评审」阶段。

论文地址：https://www.biorxiv.org/content/10.1101/2025.04.14.648850v2.full.pdf+html

AI不仅限于复现

更能提出全新发现

C2S-Scale是一款拥有270亿参数、旨在理解单个细胞「语言」的基础模型。

它建立在Gemma模型家族之上，将单细胞分析推向了一个新前沿。

C2S-Scale在科学预测方面的成果验证了研究团队在生物学模型上的一项假设：

生物学模型同样遵循明确的模型扩展规律——就像自然语言模型一样，模型规模越大，在生物学任务上表现越优。

这也引出一个关键问题：更大的模型只是提升了已有能力，还是能够获得全新的推理能力？

模型扩展的真正潜力，在于催生新思路、揭示未知规律，而非仅限于性能的线性提升。

癌症免疫治疗的一大挑战在于许多肿瘤对免疫系统几乎「隐身」。

让肿瘤「现身」的一个关键是通过抗原呈递（antigen presentation）让它们显示出能触发免疫反应的信号。

抗原呈递，是把病原体（比如病毒、肿瘤）的「可疑分子片段」（抗原）展示在细胞表面，让免疫细胞识别并决定是否发动攻击。

研究人员赋予C2S-Scale这样的任务：让它寻找一种「条件性放大剂」，能在「免疫环境阳性」（Immune-Context-Positive）情况下增强免疫信号。

这一任务需要模型具备复杂的条件推理能力，而这种能力正是大模型随规模扩大所涌现的特性——较小模型无法捕捉这种依赖环境的效应。

为了实现这一点，研究人员设计了一个「双环境虚拟筛选」流程，以识别这种特定协同效应。

该流程包括：

免疫环境阳性（Immune-Context-Positive）：输入真实患者样本，保留肿瘤与免疫系统的交互，并维持低水平干扰素信号；

免疫环境中性（Immune-Context-Neutral）：输入缺乏免疫背景的细胞系数据。

研究人员在以上两种环境中对超过4000种药物进行模拟，并要求模型预测哪些药物只会在免疫环境阳性条件下增强抗原呈递，从而更符合临床实际。

结果显示，约有10%–30%的药物在文献中已有报道，这验证了模型的可信度。

而其余候选则是从未被报道过的新发现，这意味着模型不仅复现了已知生物学现象，还发现了潜在的新型免疫协同药物。

新里程碑

AI「抗癌假说」获实验验证

C2S-Scale模型发现了激酶CK2抑制剂silmitasertib（CX-4945）具有显著的「环境分化效应」：

仅在免疫信号活跃的环境中显著增强抗原呈递，而在免疫中性环境下几乎无效。

这一发现表明模型成功生成了具备实验可验证性的全新生物假设。

在后续实验阶段，研究人员在人体神经内分泌细胞模型中测试了这一假设，实验显示：

单独使用silmitasertib对抗原呈递（MHC-I）影响不显著；

低剂量干扰素单独使用仅产生轻微效果；

联合使用两者则显著增强抗原呈递，提升约50%。

这一结果证实模型预测的可靠性，并揭示出让肿瘤对免疫系统更易识别的潜在新途径。

C2S-Scale模型的计算机模拟预测多次在体外实验中得到验证。

它成功识别出一种新的干扰素依赖性放大剂，揭示出让「冷肿瘤」变「热」的潜在新途径，为免疫治疗带来新希望。

尽管该研究仍处早期阶段，这一成果已为新型联合疗法的开发提供了实证依据，并开启了以大模型驱动的生物学发现新范式——科学假设的生成、筛选与验证将日益智能化、系统化。

目前，新的C2S-Scale 27B模型及其相关资源已在Hugging Face全面开放。

访问地址：https://huggingface.co/vandijklab/C2S-Scale-Gemma-2-27B

也可以在GitHub上获取其代码。

代码地址：https://github.com/vandijklab/cell2sentence

研究人员希望与更多人共同探索上述工具，进一步拓展研究成果，让大模型解读更多生命语言奥秘，从而为医疗科技带来全新突破。

参考资料：

https://x.com/sundarpichai/status/1978507110477332582

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