Introduzione: il prossimo salto per l'IA in medicina Quando pensiamo all’IA in medicina, spesso la immaginamo svolgendo compiti di riconoscimento dei modelli soprannaturali; analizzando scansioni mediche per segni sottili di malattia o elaborando enormi set di dati per prevedere i risultati dei pazienti.Queste sono applicazioni potenti, ma coinvolgono in gran parte la ricerca di connessioni all’interno delle conoscenze esistenti. Le scoperte scientifiche? Nuovo I ricercatori hanno sviluppato C2S-Scale, un modello di fondazione di 27 miliardi di parametri costruito sulla famiglia Gemma di modelli aperti di Google. Questa AI è stata incaricata non solo di analizzare i dati cellulari, ma con il ragionamento su di esso per generare una nuova ipotesi testabile per la terapia del cancro. Il modello è riuscito, rivelando un percorso biologico precedentemente sconosciuto che potrebbe aiutare i nostri sistemi immunitari a combattere determinati tumori. Questo risultato è più di una singola scoperta; fornisce un nuovo progetto su come l'IA può funzionare come partner creativo nella ricerca scientifica, creando una metodologia ripetibile per la generazione di ipotesi guidate dall'IA. In primo luogo, un'IA ha imparato a leggere il linguaggio della vita La base di questa scoperta è un framework intelligente chiamato "Cell2Sentence" (C2S). In termini semplici, questo approccio traduce i dati di espressione genica complessi da una singola cellula in un formato che un Large Language Model (LLM) può comprendere: una frase. Questo metodo è potente perché consente agli scienziati di applicare LLM state-of-the-art, originariamente costruito per elaborare il linguaggio umano, direttamente a dati biologici complessi. Invece di progettare interamente nuove, architetture AI su misura per la biologia, C2S riforma il problema biologico per adattarsi a un potente strumento esistente. Scoperta una terapia che funziona più intelligentemente, non più duramente Una sfida importante nel trattamento del cancro è l'esistenza di tumori "freddi" - tumori che sono effettivamente invisibili al sistema immunitario del corpo. Un obiettivo chiave dell'immunoterapia è quello di rendere questi tumori "caldi" costringendoli a mostrare segnali di innesco immunitario attraverso un processo chiamato presentazione di antigeni. Più antigeni una cellula tumorale presenta, più è visibile alle cellule immunitarie che possono distruggerlo. I ricercatori hanno dato al C2S-Scale AI un compito altamente sofisticato utilizzando una metodologia ingegnosa chiamata uno "doppio schermo virtuale di contesto". Non volevano solo un farmaco che aumentava la presentazione degli antigeni tutto il tempo; hanno chiesto al modello di trovare un "amplificatore condizionale". Per fare questo, l'IA ha analizzato due scenari: uno "immunocontext-positivo" utilizzando campioni reali di pazienti con segnali immunitari deboli ma presenti (da bassi livelli di interferone), e uno "immunocontext-neutrale" utilizzando cellule isolate senza attività immunitaria. nel primo contesto. solo Questo richiedeva un livello di ragionamento condizionale che si è rivelato una capacità emergente del modello di 27 miliardi di parametri, poiché i modelli più piccoli si sono rivelati incapaci di risolvere questo effetto dipendente dal contesto.Dopo aver simulato gli effetti di oltre 4.200 farmaci, l'IA ha individuato un inibitore della kinasi chiamato silmitasertib (CX-4945). L'IA ha generato un'ipotesi veramente nuova L'aspetto più significativo della previsione dell'IA è stata la sua novità. Il modello non ha semplicemente identificato una relazione biologica nota dai suoi dati di formazione. Il legame proposto tra silmitasertib (CX-4945) e la presentazione dell'antigene migliorata in presenza di interferone non è stato precedentemente riportato nella letteratura scientifica. Questo dimostra un salto critico dal riconoscimento dei modelli alla vera generazione di ipotesi, spostando l'IA nel regno di un vero e proprio partner di ricerca. "Anche se CK2 è stato coinvolto in molte funzioni cellulari, tra cui come un modulatore del sistema immunitario, l'inibizione di CK2 tramite silmitasertib non è stata riportata nella letteratura per migliorare esplicitamente l'espressione di MHC-I o la presentazione dell'antigene. Dalla previsione digitale alla realtà verificata in laboratorio La previsione di un'IA, non importa quanto convincente, è solo un'ipotesi fino a quando non viene testata. Previsioni (basate su computer) e la convalida I ricercatori hanno testato l’ipotesi sui modelli cellulari neuroendocrini umani (dalle origini cellulare e polmonare di Merkel) – tipi di cellule che erano minimamente rappresentati nei dati di formazione del modello, rendendo la convalida ancora più impressionante. di silico in vitro I risultati degli esperimenti di laboratorio hanno confermato la previsione dell’IA con straordinaria accuratezza: Il trattamento delle cellule con il farmaco silmitasertib da solo non ha avuto alcun effetto sulla presentazione dell'antigene. Il trattamento delle cellule con una bassa dose di interferone da solo ha avuto un effetto modesto. Il trattamento delle cellule con sia l'ilmitasertib che l'interferone a bassa dose, come previsto dall'IA, ha prodotto una "amplificazione segnata e sinergica". Questo effetto renderebbe le cellule tumorali significativamente più visibili al sistema immunitario, convalidando la nuova ipotesi dell'IA e identificando un promettente nuovo percorso per la terapia del cancro. Un nuovo progetto per la Discovery Questo risultato è molto più di una sola, promettente scoperta di farmaci. fornisce un potente nuovo progetto per la ricerca scientifica, dimostrando che l'IA può andare oltre lo screening virtuale per generare ipotesi nuove, biologicamente fondate e testabili. I team di Google e Yale non solo condividono la loro scoperta, ma anche lo strumento che ha reso possibile.Il modello C2S-Scale e le sue risorse vengono messe a disposizione della comunità di ricerca, abilitando altri scienziati a costruire su questo lavoro. Questo ci lascia con un pensiero tantalizzante: se l'IA può ora aiutarci a decifrare il linguaggio complesso delle nostre cellule, quali altri misteri biologici ci aiuterà a tradurre? Il podcast: Il podcast: Apple: qui Spotify: qui qui qui
