В рамках крупного проекта Google совместно с Йельским университетом разработала узкоспециализированную нейросеть Cell2Sentence-Scale 27B (C2S-Scale) — новую фундаментальную модель, включающуя в себя 27 миллиардов параметров, предназначенную для понимания «языка» отдельных клеток. Модель, созданная на базе открытой модели Gemma, предложила новые гипотезы, которые могут открыть путь к созданию более эффективных методов лечения рака. Об этом сообщается в материале подготовленном специалистами Google DeepMind и Google Research.
Как сделать опухоль «видимой» для иммунитета
Открытие касается одной из главных проблем иммунотерапии рака: многие опухоли являются «холодными» — они «невидимы» для иммунной системы организма. Ключевая стратегия состоит в том, чтобы сделать эти опухоли «горячими» и более восприимчивыми к лечению. Этого можно достичь, заставив опухолевые клетки демонстрировать иммуностимулирующие сигналы через процесс, называемый презентацией антигена.
Перед моделью C2S-Scale была поставлена задача найти лекарство, которое действовало бы как «условный усилитель». Это означало, что препарат должен был усиливать иммунный сигнал только в том случае, если в среде уже присутствовали низкие уровни интерферона (ключевого иммунного белка), которых, однако, было недостаточно для самостоятельного запуска иммунной реакции.
Компьютерный скрининг и «новая идея»
Исследователи разработали «виртуальный скрининг с двойным контекстом». ИИ смоделировал воздействие более 4000 известных лекарств/компонентов в двух разных условиях:
- С иммунным контекстом: Использовались реальные образцы, имитирующие взаимодействие опухоли и иммунитета при низком уровне интерферона.
- Без иммунного контекста: Использовались изолированные клеточные линии.
Модель C2S-Scale предсказала, что ингибитор киназы CK2, называемый силмитасертибом (CX-4945), обладает поразительным «контекстным расщеплением». Это означало, что препарат вызывал сильное увеличение презентации антигена в условиях с низким уровнем интерферона, но почти не оказывал эффекта в среде без иммунного контекста.
Это предсказание стало новой гипотезой, так как в литературе ранее не сообщалось о том, что силмитасертиб явным образом усиливает презентацию антигена.
От предсказания к экспериментальной валидации
На следующем этапе гипотеза ИИ была проверена в лабораторных условиях на человеческих нейроэндокринных клетках. Было подтверждено, что предсказание модели in silico (в компьютере) работает in vitro (в пробирке).
Лабораторные тесты показали, что:
- Силмитасертиб сам по себе не влиял на презентацию антигена.
- Низкие дозы интерферона сами по себе имели лишь умеренный эффект.
- Совместное применение силмитасертиба и низких доз интерферона привело к выраженному, синергетическому усилению презентации антигена.
Комбинация привела к увеличению презентации антигена примерно на 50%, что потенциально делает опухоль гораздо более заметной для иммунной системы. Исследователи отметили, что это демонстрирует мощную, экспериментально подтвержденную основу для разработки новых комбинированных методов лечения.
Результат подтверждает, что создание более крупных моделей, таких как C2S-Scale, позволяет генерировать биологически обоснованные гипотезы и открывать контекстно-обусловленную биологию.
В настоящее время модель C2S-Scale и ее ресурсы доступны для исследовательского сообщества на платформах Hugging Face и GitHub.
