Оглавление

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:

  1. Иммунно-контекст-положительный: модель анализировала реальные образцы пациентов с сохраненными опухолево-иммунными взаимодействиями и низким уровнем сигналинга интерферона.
  2. 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.