Модель Gemma помогла обнаружить новый перспективный путь лечения рака
Компания DeepMind представила фундаментальную модель для анализа отдельных клеток на основе Gemma, которая помогла выявить новый механизм усиления иммунного ответа против опухолей.
Новый инструмент для биологических открытий
В рамках совместного исследования с Йельским университетом представлена модель Cell2Sentence-Scale 27B (C2S-Scale) с 27 миллиардами параметров, созданная на базе открытой архитектуры Gemma. Эта модель предназначена для анализа языка отдельных клеток и уже продемонстрировала способность генерировать новые научные гипотезы.
Особенность C2S-Scale заключается в том, что она не просто улучшает существующие методы анализа, а приобретает принципиально новые возможности при увеличении масштаба. Это подтверждает гипотезу о том, что в биологии, как и в обработке естественного языка, работают законы масштабирования.
Похоже, мы наблюдаем момент, когда искусственный интеллект переходит от анализа известных данных к генерации принципиально новых научных идей. То, что модель размером в 27 миллиардов параметров смогла обнаружить неочевидную связь между существующими препаратами — это серьезный прорыв, который может изменить подход к разработке лекарств.
Поиск решения для «холодных» опухолей
Основная проблема в иммунотерапии рака заключается в том, что многие опухоли остаются «холодными» — невидимыми для иммунной системы организма. Ключевая стратегия борьбы с ними — заставить опухоли демонстрировать иммунные сигналы через процесс презентации антигена.
Перед моделью C2S-Scale 27B поставили сложную задачу: найти препарат, который действует как условный усилитель — усиливает иммунный сигнал только в специфической «иммунно-контекст-положительной» среде, где уже присутствуют низкие уровни интерферона, но их недостаточно для индукции презентации антигена.
Для решения этой задачи исследователи разработали двухконтекстный виртуальный скрининг, состоящий из двух этапов:
- Иммунно-контекст-положительный: модель анализировала реальные образцы пациентов с сохраненными опухолево-иммунными взаимодействиями и низким уровнем сигналинга интерферона.
- Иммунно-контекст-нейтральный: модель работала с изолированными клеточными линиями без иммунного контекста.
Модель проанализировала эффект более 4000 препаратов в обоих контекстах и предсказала, какие из них будут усиливать презентацию антигена только в первом сценарии.
Экспериментальное подтверждение предсказания
Модель выявила поразительный «контекстный разрыв» для ингибитора киназы CK2 под названием силмитасертиб (CX-4945). Она предсказала сильное увеличение презентации антигена при применении силмитасертиба в «иммунно-контекст-положительной» среде, но практически никакого эффекта в «иммунно-контекст-нейтральной».
Что делает это предсказание особенно интересным — это его новизна. Хотя CK2 участвует во многих клеточных функциях, включая модуляцию иммунной системы, ингибирование CK2 с помощью силмитасертиба ранее не связывали с усилением экспрессии MHC-I или презентации антигена.
Лабораторные тесты на человеческих нейроэндокринных клеточных моделях подтвердили предсказание:
- Обработка клеток только силмитасертибом не влияла на презентацию антигена (MHC-I)
- Обработка только низкой дозой интерферона давала скромный эффект
- Комбинация силмитасертиба и низкой дозы интерферона вызывала выраженное синергетическое усиление презентации антигена
В лабораторных условиях комбинация препаратов привела к увеличению презентации антигена примерно на 50%, что делает опухоль более видимой для иммунной системы.
Самое впечатляющее здесь — не просто подтверждение предсказания, а демонстрация того, что большие модели действительно могут генерировать новые биологические гипотезы, а не просто пересказывать известные факты. Это открывает путь к систематическому использованию ИИ для открытия новых терапевтических комбинаций.
Перспективы для медицины
Это открытие представляет собой новый потенциальный путь для превращения «холодных» опухолей в «горячие», делая их более восприимчивыми к иммунотерапии. Хотя это только первый шаг, он предоставляет мощную, экспериментально подтвержденную основу для разработки новых комбинированных терапий.
Команды в Йельском университете сейчас исследуют открытый механизм и тестируют дополнительные предсказания, сгенерированные искусственным интеллектом, в других иммунных контекстах. При дальнейшей доклинической и клинической валидации такие гипотезы могут ускорить путь к новым методам лечения.
По сообщению DeepMind.
