一、AI 不只是“分析工具”，而是“科学发现者”
在人工智能的世界里，我们常常听到这样的故事：AI 帮助医生分析影像、辅助药物设计、提升科研效率。 但 Google 最新的一项成果，把这个故事推向了一个新高度--AI 不只是帮人类分析数据，它正在帮助人类“发现”新的科学机制。
就在最近，Google DeepMind 团队宣布，他们的一个基于 Gemma 架构的单细胞AI模型（Cell2Sentence-Scale 27B），成功预测出一种此前未被报道的癌症治疗机制，并在实验中得到了验证。
换句话说，这是一个 AI“提出假说”--科学家再“验证假说”--最终发现新疗法的闭环案例。
二、从“看数据”到“懂细胞”：Gemma 模型的进化
Google 的 Gemma 模型家族原本是一个开放的通用 AI 平台，类似于我们熟悉的语言模型（LLM），只是它学习的“语言”不是英文，而是 细胞的语言--基因表达、信号通路、免疫反应等。
他们推出的最新版本 C2S-Scale 27B（27亿参数），就像是一个能“听懂”单个细胞在说什么的模型。
简单来说，它的训练目标是：
让AI理解每一个细胞在不同环境下的行为变化，从而推测出新的生物机制。
这与ChatGPT学习语句、上下文和隐含逻辑类似，只不过它学习的是细胞与免疫系统之间的“对话”。
三、科学挑战：如何让“冷肿瘤”变“热”
癌症免疫疗法的一大难题是“冷肿瘤”（immune-cold tumors）--这些肿瘤不会主动暴露自己，免疫系统难以识别它们。
理想状态是把“冷肿瘤”变成“热肿瘤”（immune-hot），让它们能更好地被免疫系统发现。
人类科学家已经知道一些方法，比如使用 干扰素（interferon） 来增强抗原呈递（即帮助免疫系统看到肿瘤）。 但问题是：干扰素太“猛”，容易导致副作用。
于是研究者提出了一个新想法-- 能否找到一种“条件性增强剂”，在免疫系统已经有轻微信号（如低剂量干扰素）时才起作用，而在平常状态下不“乱动”？
这就像一个“定向加速器”--只有当免疫系统已经准备好战斗，它才会帮一把。
四、AI的突破：4000种药物的虚拟筛选
传统实验要从数千种药物里找出这样的“条件性增强剂”，几乎不可能在短时间内完成。 而 Gemma 模型恰恰能做到这件事。
研究团队让 C2S-Scale 模型同时分析两个场景的单细胞表达数据：
- Immune-context positive（有免疫背景）：低剂量干扰素激活的细胞环境
- Immune-context neutral（无免疫背景）：普通肿瘤细胞环境
然后，它模拟（in silico）了 4000 多种药物，观察在两种情境下哪种药物能只在第一个环境中增强抗原呈递，而在第二个环境中不起作用。
模型结果中，有10%到30%的药物已被文献报道过与免疫反应有关--这说明模型理解了已知的科学规律。 但更令人震惊的是：它还提出了新的预测，科学家从未想到过。
五、AI 预测的“黑马”：Silmitasertib
在所有候选中，一个药物引起了团队的注意--Silmitasertib（也称CX-4945），一种 CK2 激酶抑制剂。
此前的研究从未显示过它与抗原呈递有关。 然而，Gemma 模型预测：
“Silmitasertib 在免疫信号存在时能显著提升抗原呈递，在无免疫背景下几乎无作用。”
这正是理想的“条件性增强剂”特征。
六、实验验证：AI 预测被证实！
科学团队并没有止步于预测，他们在实验室（in vitro）验证了这一点。
他们用人类神经内分泌细胞（此前未用于模型训练）进行了三组对比实验：
| 实验组 | 处理方式 | 结果 |
|---|---|---|
| ① | 单用 Silmitasertib | 几乎无变化 |
| ② | 单用低剂量干扰素 | 抗原呈递轻微提升 |
| ③ | Silmitasertib + 干扰素 | 抗原呈递显著增强，提升约 50%！ |
结果完全符合 AI 的预测。 这意味着模型不仅“记住”了已知知识，还真正“推理”出了一个新的作用机制。
举个例子，如果说传统药物筛选像是“人工翻页找答案”，Gemma 模型的做法更像是“读懂整本书的逻辑，然后自己写出新章节”。
七、意义与影响：AI 正在改变科学发现的方式
这次发现，不只是找到一种药物，更重要的是：
-
AI首次提出并验证了一个新科学假说。 模型不是被动执行任务，而是主动生成研究方向。
-
验证了“AI规模定律”在生物学上的新形态。 就像语言模型在变大后能产生“推理能力”，生物模型在放大后也能产生“科学直觉”。
-
建立了AI科研新闭环：从虚拟预测到实验验证。 未来药物发现或许不再从实验室开始，而是从AI的推断开始。
-
推动开放研究生态。 Google 已经开放了 C2S-Scale 模型和相关资源，供全球科研团队在不同癌症类型上验证与扩展。
八、未来展望：AI科研的“协作式发现”
Google 团队与耶鲁大学正在进一步研究 Silmitasertib 的作用机制，并测试模型生成的其他假说。
可以预见，这种“AI 生成假说 + 实验验证”的模式，将成为未来生物医学创新的重要趋势。
未来几年，我们可能会看到：
- AI 发现新的药物组合（Combination Therapy）
- AI 找出癌症免疫逃逸的新机制
- AI 帮助个体患者选择最合适的治疗方案
这不仅是科研方法的革新，更是科学范式的转变。
✳️ 结语：AI 已经开始“思考科学”
Gemma 模型的突破提醒我们：
当AI能理解生物语言，它就不再只是工具，而是一个潜在的科学合作者。
今天，它帮我们发现了一种癌症治疗新路径； 明天，它也许会帮我们解开更多生命的秘密。
微信扫描下方的二维码阅读更多精彩内容
声明：本站所有文章，如无特殊说明或标注，均为橙市播客原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
