Cách một mô hình Gemma đã giúp khám phá ra một con đường điều trị ung thư tiềm năng mới

Chúng tôi đang ra mắt một mô hình nền tảng 27 tỷ tham số mới để phân tích tế bào đơn được xây dựng trên dòng mô hình mở Gemma.

October 17, 2025
7 min read

Cách một mô hình Gemma đã giúp khám phá ra một con đường điều trị ung thư tiềm năng mới — Chúng tôi đang ra mắt một mô hình nền tảng 27 tỷ tham số mới để phân tích tế bào đơn được xây dựng trên dòng mô hình mở Gemma.

Mô hình AI Gemma của Google giúp khám phá con đường trị liệu ung thư tiềm năng mới

Hôm nay, như một phần của sự hợp tác nghiên cứu với Đại học Yale, chúng tôi đang phát hành Cell2Sentence-Scale 27B (C2S-Scale), một mô hình nền tảng 27 tỷ tham số mới được thiết kế để hiểu ngôn ngữ của từng tế bào riêng lẻ. Được xây dựng trên họ mô hình mở Gemma, C2S-Scale thể hiện một biên giới mới trong phân tích đơn bào.

Thông báo này đánh dấu một cột mốc quan trọng cho AI trong khoa học. C2S-Scale đã tạo ra một giả thuyết mới về hành vi tế bào ung thư và kể từ đó chúng tôi đã xác nhận dự đoán của nó bằng xác nhận thực nghiệm trong các tế bào sống. Khám phá này tiết lộ một con đường mới đầy hứa hẹn để phát triển các liệu pháp chống lại bệnh ung thư.

Sự ra mắt này được xây dựng dựa trên công việc của chúng tôi từ đầu năm nay, nơi chúng tôi đã chứng minh rằng các mô hình sinh học tuân theo các quy luật tỷ lệ rõ ràng - giống như với ngôn ngữ tự nhiên, các mô hình lớn hơn hoạt động tốt hơn trên sinh học. Công việc này đặt ra một câu hỏi quan trọng: Liệu một mô hình lớn hơn có chỉ tốt hơn trong các nhiệm vụ hiện có hay nó có thể có được những khả năng hoàn toàn mới? Lời hứa thực sự của việc mở rộng quy mô nằm ở việc tạo ra những ý tưởng mới và khám phá những điều chưa biết.

Cách C2S-Scale 27B hoạt động

Một thách thức lớn trong liệu pháp miễn dịch ung thư là nhiều khối u “lạnh” - vô hình đối với hệ thống miễn dịch của cơ thể. Một chiến lược quan trọng để làm cho chúng “nóng” là buộc chúng hiển thị các tín hiệu kích hoạt miễn dịch thông qua một quá trình gọi là trình diện kháng nguyên.

Chúng tôi đã giao cho mô hình C2S-Scale 27B mới của mình một nhiệm vụ: Tìm một loại thuốc hoạt động như một bộ khuếch đại có điều kiện, một loại thuốc sẽ tăng cường tín hiệu miễn dịch chỉ trong một môi trường “tích cực về bối cảnh miễn dịch” cụ thể, nơi mức độ thấp của interferon (một protein tín hiệu miễn dịch quan trọng) đã có mặt, nhưng không đủ để tự gây ra sự trình diện kháng nguyên. Điều này đòi hỏi một mức độ suy luận có điều kiện dường như là một khả năng mới nổi của quy mô; các mô hình nhỏ hơn của chúng tôi không thể giải quyết hiệu ứng phụ thuộc vào bối cảnh này.

Để hoàn thành điều đó, chúng tôi đã thiết kế một màn hình ảo bối cảnh kép để tìm hiệu ứng hiệp đồng cụ thể này. Màn hình ảo bao gồm hai giai đoạn:

Tích cực về bối cảnh miễn dịch: Chúng tôi cung cấp cho mô hình các mẫu bệnh nhân thực tế với các tương tác khối u-miễn dịch còn nguyên vẹn và tín hiệu interferon mức thấp.
Trung tính về bối cảnh miễn dịch: Chúng tôi cung cấp cho mô hình dữ liệu dòng tế bào bị cô lập mà không có bối cảnh miễn dịch.

Sau đó, chúng tôi mô phỏng tác dụng của hơn 4.000 loại thuốc trong cả hai bối cảnh và yêu cầu mô hình dự đoán loại thuốc nào sẽ chỉ tăng cường sự trình diện kháng nguyên trong bối cảnh đầu tiên, để làm sai lệch màn hình theo hướng cài đặt liên quan đến bệnh nhân. Trong số nhiều ứng cử viên thuốc được mô hình làm nổi bật, một phần nhỏ (10-30%) các thuốc trúng đích đã được biết đến trong các tài liệu trước đó, trong khi các loại thuốc còn lại là các thuốc trúng đích đáng ngạc nhiên mà không có liên kết đã biết trước đó với màn hình.

Từ dự đoán đến xác nhận thực nghiệm

Các dự đoán của mô hình rất rõ ràng. Nó xác định một “sự phân chia bối cảnh” nổi bật đối với chất ức chế kinase CK2 có tên là silmitasertib (CX-4945). Mô hình dự đoán một sự gia tăng mạnh mẽ trong việc trình diện kháng nguyên khi silmitasertib được áp dụng trong cài đặt “tích cực về bối cảnh miễn dịch”, nhưng ít hoặc không có tác dụng trong cài đặt “trung tính về bối cảnh miễn dịch”. Điều khiến dự đoán này trở nên thú vị là vì nó là một ý tưởng mới. Mặc dù CK2 đã được liên quan đến nhiều chức năng tế bào, bao gồm cả vai trò điều chỉnh hệ thống miễn dịch, nhưng việc ức chế CK2 thông qua silmitasertib chưa được báo cáo trong các tài liệu để tăng cường rõ ràng biểu hiện MHC-I hoặc trình diện kháng nguyên. Điều này nhấn mạnh rằng mô hình đang tạo ra một giả thuyết mới, có thể kiểm tra được, chứ không chỉ lặp lại các sự kiện đã biết.

Tuy nhiên, một dự đoán chỉ có giá trị nếu nó có thể được xác nhận trong ứng dụng lâm sàng. Bài kiểm tra thực tế là đầu tiên trong phòng thí nghiệm và cuối cùng, trong phòng khám.

Đối với giai đoạn tiếp theo của dự án, chúng tôi đã đưa giả thuyết này đến phòng thí nghiệm và thử nghiệm nó trong các mô hình tế bào thần kinh nội tiết của con người - một loại tế bào hoàn toàn không được mô hình nhìn thấy trong quá trình đào tạo. Các thí nghiệm đã chứng minh:

Điều trị các tế bào chỉ bằng silmitasertib không có tác dụng đối với sự trình diện kháng nguyên (MHC-I).
Điều trị các tế bào chỉ với một liều lượng nhỏ interferon có một tác dụng khiêm tốn.
Điều trị các tế bào bằng cả silmitasertib và interferon liều thấp tạo ra một sự khuếch đại hiệp đồng rõ rệt của sự trình diện kháng nguyên.

Đáng chú ý, trong các xét nghiệm trong phòng thí nghiệm của chúng tôi, sự kết hợp giữa silmitasertib và interferon liều thấp dẫn đến sự gia tăng khoảng 50% trong việc trình diện kháng nguyên, điều này sẽ làm cho khối u dễ nhìn thấy hơn đối với hệ thống miễn dịch.

Dự đoán trong silico của mô hình đã được xác nhận nhiều lần trong ống nghiệm. C2S-Scale đã xác định thành công một bộ khuếch đại có điều kiện interferon mới, tiết lộ một con đường tiềm năng mới để làm cho các khối u “lạnh” trở nên “nóng” và có khả năng đáp ứng tốt hơn với liệu pháp miễn dịch. Mặc dù đây chỉ là bước đầu tiên, nhưng nó cung cấp một đầu mối mạnh mẽ, được xác nhận bằng thực nghiệm để phát triển các liệu pháp kết hợp mới, sử dụng nhiều loại thuốc phối hợp để đạt được hiệu quả mạnh mẽ hơn.

Kết quả này cũng cung cấp một bản thiết kế cho một loại khám phá sinh học mới. Nó chứng minh rằng bằng cách tuân theo các quy luật tỷ lệ và xây dựng các mô hình lớn hơn như C2S-Scale 27B, chúng ta có thể tạo ra các mô hình dự đoán hành vi tế bào đủ mạnh để chạy các màn hình ảo thông lượng cao, khám phá sinh học có điều kiện theo bối cảnh và tạo ra các giả thuyết có cơ sở sinh học.

Các nhóm tại Yale hiện đang khám phá cơ chế được phát hiện ở đây và thử nghiệm các dự đoán do AI tạo ra bổ sung trong các bối cảnh miễn dịch khác. Với sự xác nhận tiền lâm sàng và lâm sàng hơn nữa, những giả thuyết như vậy có thể cuối cùng đẩy nhanh con đường dẫn đến các liệu pháp mới.

Bắt đầu với C2S-Scale 27B

Mô hình C2S-Scale 27B mới và các tài nguyên của nó có sẵn ngay hôm nay cho cộng đồng nghiên cứu. Chúng tôi mời bạn khám phá các công cụ này, xây dựng trên công việc của chúng tôi và giúp chúng tôi tiếp tục dịch ngôn ngữ của cuộc sống.

Đọc bản in khoa học đầy đủ trên bioRxiv.
Khám phá mô hình và tài nguyên trên Hugging Face.
Truy cập mã trên GitHub.

AI Today - SkyAI