谷歌发布Gemma 270亿参数C2S-Scale模型，首次通过AI提出并实验验证全新抗癌疗法，实现“冷肿瘤”变“热”，为免疫治疗开辟新路径。
谷歌重磅发布270亿参数新模型！AI首次独立提出全新抗癌疗法路径，实验验证成功！
2025年10月15日，谷歌DeepMind联合耶鲁大学在科学界扔下了一颗“重磅炸弹”——他们基于开源的Gemma大模型家族，正式推出了一款专为单细胞分析打造的270亿参数基础模型，名字叫“Cell2Sentence-Scale 27B”，简称C2S-Scale。
它首次通过人工智能独立提出了一种全新的癌症治疗假说，并且这个假说已经在实验室中被成功验证！这意味着，AI不再只是辅助工具，而是开始具备“科学家思维”，能够主动发现人类尚未察觉的生物学规律。
这次研究的主导者之一是谷歌DeepMind的高级研究员希科菲·阿齐齐（Shekoofeh Azizi），她长期专注于将人工智能应用于生物医学领域，尤其擅长利用大规模模型解析复杂的生命系统数据。另一位核心人物是谷歌研究院图挖掘方向的高级研究员布莱恩·佩罗齐（Bryan Perozzi），他在图神经网络和大规模数据建模方面拥有深厚积累。两人带领团队与耶鲁大学紧密合作，把AI的“语言理解”能力迁移到了细胞层面——他们把每个细胞看作一个“句子”，把基因表达谱当作“词汇”，从而让AI学会“读懂”细胞在说什么、在做什么。
那么，这个C2S-Scale模型到底干了什么惊天动地的大事？简单来说，它发现了一种能让“冷肿瘤”变“热”的全新药物组合策略。
什么是“冷肿瘤”？就是那些躲在免疫系统眼皮底下、完全不被识别的癌细胞。免疫疗法之所以对某些癌症无效，就是因为肿瘤太“冷”了——它们不表达足够的抗原呈递分子（比如MHC-I），免疫细胞根本“看不见”它们。而让肿瘤变“热”的关键，就是想办法让癌细胞主动亮出自己的“身份牌”，吸引免疫系统来攻击。
研究人员给C2S-Scale布置了一个极其复杂的任务：找出一种“条件性放大器”药物——这种药只在特定免疫环境下才起作用。具体来说，就是当肿瘤微环境中已经存在微量干扰素（一种关键的免疫信号蛋白）但还不足以激活抗原呈递时，该药物能精准“加把火”，把信号放大到足以唤醒免疫系统。
这个任务对AI的要求极高，因为它需要理解“上下文依赖”的生物学逻辑。有趣的是，谷歌团队之前的小模型完全无法完成这个任务，只有270亿参数的C2S-Scale才展现出这种“涌现能力”——也就是随着模型规模扩大，突然获得的新技能。
为了筛选药物，团队设计了一套“双上下文虚拟筛选”系统。
第一种情境叫“免疫正向环境”：使用真实癌症患者的单细胞数据，这些样本保留了肿瘤与免疫细胞之间的天然互动，且干扰素水平较低；
第二种叫“免疫中性环境”：使用实验室培养的孤立癌细胞系，完全没有免疫背景。
模型需要在这两种环境下分别模拟4000多种药物的效果，然后找出那些“只在第一种情境上下文下显著增强抗原呈递”的候选药物。
结果令人震惊：模型不仅复现了部分已知药物，还挖出了一批从未被文献报道过的“黑马”分子。
其中最亮眼的发现，是一种名为西米他塞替（silmitasertib，也叫CX-4945）的激酶CK2抑制剂。模型预测：单独使用西米他塞替对癌细胞几乎无效；但在微量干扰素存在的情况下，它能强力放大MHC-I的表达，使抗原呈递水平飙升。
更关键的是，此前没有任何研究指出CK2抑制能直接增强抗原呈递——这完全是一个AI原创的科学假说！
接下来就是最关键的实验验证环节。研究团队在人类神经内分泌癌细胞（注意：这种细胞类型在模型训练时从未出现过！）中进行了测试。
结果完全吻合AI预测：单独用西米他塞替，没效果；单独用低剂量干扰素，效果微弱；但两者联用，抗原呈递水平直接提升约50%！这意味着肿瘤细胞瞬间变得“闪闪发光”，更容易被T细胞识别和清除。
这一发现不仅验证了AI的预测能力，更开辟了一条全新的联合免疫治疗路径——用低剂量干扰素“铺垫”，再用CK2抑制剂“引爆”，精准激活局部免疫反应，避免全身性副作用。
这项成果的意义远不止于一个新药组合！它证明了：当AI模型足够大、训练数据足够丰富时，它们不仅能“总结已知”，更能“发现未知”。
正如阿齐齐博士在文中强调的：“真正的扩展价值，不在于模型在旧任务上做得更好，而在于它能否产生全新的科学洞见。”C2S-Scale的成功，为未来AI驱动的生物医学研究树立了全新范式——高通量虚拟筛选 + 条件性生物学推理 + 实验快速验证，形成一个高效闭环。
目前，谷歌已将C2S-Scale 27B模型、代码和相关资源全部开源，发布在Hugging Face和GitHub上，供全球科研人员免费使用。耶鲁大学团队也正在深入探索这一机制，并测试更多由AI生成的免疫治疗假说。虽然从实验室到临床还有很长的路要走，但这次突破无疑为抗癌药物研发按下了“加速键”。
值得一提的是，这项研究也呼应了AI在科学领域的“缩放定律”（scaling laws）——就像语言模型越大越聪明一样，生物模型在达到一定规模后，也会涌现出超越人类直觉的推理能力。C2S-Scale正是这一理念的完美体现：它不是简单地记忆文献，而是真正“理解”了细胞语言的深层逻辑，从而提出可验证的新假设。
未来，我们或许会看到更多由AI主导的科学发现：从罕见病机制解析，到个性化药物设计，再到衰老干预策略。而谷歌这次的成果，无疑是这场革命的起点。正如文章结尾所呼吁的：“让我们一起探索生命的语言，把AI变成照亮医学黑暗角落的灯塔。”