Введение: следующий скачок для ИИ в медицине Когда мы думаем о ИИ в медицине, мы часто представляем, что он выполняет задачи распознавания сверхчеловеческих моделей; анализирует медицинские сканы на тонкие признаки болезни или обрабатывает обширные наборы данных, чтобы предсказать результаты пациентов. Научные открытия ? Новый Они разработали C2S-Scale, модель фундамента 27 миллиардов параметров, построенную на семействе открытых моделей Google Gemma.Это ИИ было задано не только анализировать клеточные данные, но и рассуждать об этом, чтобы генерировать новую, проверенную гипотезу для терапии рака. Модель увенчалась успехом, раскрыв ранее неизвестный биологический путь, который может помочь нашей собственной иммунной системе бороться с определенными опухолями.Это достижение является более чем одним открытием; оно предоставляет новый план того, как ИИ может функционировать как творческий партнер в научных исследованиях, создавая повторяемую методологию для генерации гипотез, основанных на ИИ. First, an AI Learned to Read the Language of Life Основой этого открытия является умная рамка под названием «Cell2Sentence» (C2S). Простыми словами, этот подход переводит сложные данные экспрессии генов из одной клетки в формат, который может понять Большая языковая модель (LLM): предложение. Этот метод является мощным, потому что он позволяет ученым применять современные LLM, первоначально построенные для обработки человеческого языка, непосредственно к сложным биологическим данным. Вместо того чтобы разрабатывать совершенно новые, индивидуальные архитектуры ИИ для биологии, C2S реформирует биологическую проблему, чтобы соответствовать мощному существующему инструменту. Ученые нашли терапию, которая работает умнее, а не тяжелее Основной задачей в лечении рака является существование «холодных» опухолей — опухолей, которые эффективно невидимы для иммунной системы организма. Ключевая цель иммунотерапии заключается в том, чтобы сделать эти опухоли «горячими», заставляя их показывать иммунодеструктивные сигналы через процесс, называемый презентацией антигенов. Исследователи дали C2S-Scale AI очень сложную задачу, используя гениальную методологию, называемую «двойным контекстным виртуальным экраном». Они не только хотели лекарства, которое постоянно повышает презентацию антигенов; они попросили модель найти «условный усилитель». Для этого, ИИ проанализировал два сценария: «иммуноконтекст-положительный» настройка с использованием реальных образцов пациентов с слабыми, но присутствующими иммунными сигналами (от низких уровней интерферона), и «иммуноконтекст-нейтральный» с использованием изолированных клеток без иммунной активности. in the first context. только Это требовало уровня условного рассуждения, который оказался возникающей способностью модели 27 миллиардов параметров, поскольку более мелкие модели оказались не в состоянии решить этот контекст-зависимый эффект. ИИ создал поистине новую гипотезу Наиболее значительным аспектом предсказания ИИ была его новизна. Модель не просто идентифицировала известную биологическую связь из своих данных обучения. Предложенная связь между silmitasertib (CX-4945) и усиленной презентацией антигенов в присутствии интерферона ранее не сообщалась в научной литературе. ИИ породила совершенно новую идею. Это демонстрирует критический скачок от распознавания паттернов к генерации истинных гипотез, перемещая ИИ в область подлинного партнера в области исследований. «Хотя CK2 участвовал во многих клеточных функциях, в том числе как модулятор иммунной системы, ингибирование CK2 через silmitasertib не было сообщено в литературе, чтобы явно усилить экспрессию MHC-I или презентацию антигена. От цифрового прогнозирования к лабораторно-верифицированной реальности Предсказание ИИ, как бы убедительное оно ни было, является лишь гипотезой, пока оно не будет проверено. (computer-based) prediction and validate it Исследователи проверили гипотезу на моделях нейроэндокринных клеток человека (из клеток Меркель и легочного происхождения) — типов клеток, которые были минимально представлены в данных обучения модели, что делает валидацию еще более впечатляющей. в силиконе in vitro Результаты лабораторных экспериментов подтвердили предсказания ИИ с замечательной точностью: Лечение клеток лекарственным препаратом само по себе не оказывало влияния на презентацию антигенов. Лечение клеток только низкой дозой интерферона имело лишь умеренный эффект. Лечение клеток как с гимитасертибом, так и с интерфероном низкой дозы, как предсказывал ИИ, привело к «значительному синергическому усилению». Quantitatively, the combination therapy resulted in up to a 50% increase in antigen presentation. This effect would make the tumor cells significantly more visible to the immune system, validating the AI's novel hypothesis and identifying a promising new pathway for cancer therapy. A New Blueprint for Discovery Это достижение гораздо больше, чем одно, многообещающее открытие лекарств. Это обеспечивает мощный новый план для научных исследований, демонстрируя, что ИИ может выйти за рамки виртуального скрининга, чтобы генерировать новые, биологически обоснованные и проверяемые гипотезы. Переводя фундаментальные данные о жизни на язык, который он может понять, ИИ готов ускорить открытие беспрецедентными способами. Ключевым моментом является то, что команды Google и Yale не только делятся своими открытиями, но и инструментом, который сделал это возможным.Модель C2S-Scale и ее ресурсы становятся доступными для исследовательского сообщества, позволяя другим ученым строить на этой работе.Это оставляет нас с волнующей мыслью: если ИИ теперь может помочь нам расшифровать сложный язык наших клеток, какие другие биологические загадки он поможет нам перевести дальше? Подкасты : Подкасты : Apple: здесь Spotify: здесь здесь здесь
