新智元报道
谷歌DeepMind宣布Gemma开源「全家桶」又创下新成就，
累计下载量首次突破十亿。
自2024年2月发布以来，
仅用两年半时间便达成这一目标。
目前，全球开发者利用Gemma，
创建了逾十万种衍生版本，
这些变体已应用于NASA卫星，
并有超过一亿部手机接入。
Gemmaverse的生态建设正迎来高速发展期。
AI助力抗癌研究
4000种药物虚拟筛选
AI在对抗癌症领域取得新进展。
Gemma的众多应用案例中，
一个引人注目的是AI参与探索癌症治疗新机制。
就在此前，
Moderna与默沙东联手借助AI进行癌症治疗，
引发广泛关注。
今年1月，谷歌便通过Gemma介入此事。
DeepMind、谷歌Research及耶鲁大学团队，
基于Gemma打造出Cell2Sentence-Scale 27B模型，
简称C2S-Scale。
论文链接：https://www.biorxiv.org/content/10.1101/2025.04.14.648850v4
C2S-Scale的核心功能是将细胞转化为简短描述。
癌症免疫治疗长期面临「冷肿瘤」难题。
通俗而言，免疫细胞识别异常细胞，
依靠后者主动展示内部蛋白碎片，
即「抗原呈递」。
该过程需借助MHC-I分子作为展示平台。
「冷肿瘤」的特点就是不展示碎片。
结果，免疫细胞无法发现异常，
即使使用高效免疫治疗药物也难以奏效。
干扰素作为免疫系统的警报信号，
在肿瘤微环境中往往含量极低。
研究团队向C2S-Scale提出挑战：
寻找一种药物，它不直接发出警报，
但能在微弱警报信号存在时将其放大，
促使细胞主动展示碎片。
实现这一目标极具挑战性。
C2S-Scale的独到之处在于其转换方法。
单细胞测序数据原本是复杂的高维向量，
人类和语言模型均难以解读。
该模型将基因按活跃度从高到低排序，
排成序列，形成由基因名构成的句子，
将细胞信息转化为文本形式。
这种方法无需修改Gemma结构，
即可直接理解细胞特征。
此外，模型还能处理论文摘要、细胞元数据等文字信息。
这是首次在同一模型中实现这些数据处理。
论文的关键设计是双上下文虚拟筛选。
C2S-Scale在两个平行场景中进行模拟实验。
场景A（免疫阳性环境）：使用真实患者肿瘤样本，
环境中存在干扰素信号。
场景B（免疫中性环境）：采用培养细胞系数据，
无干扰素活动。
将4000多种药物分别置于这两个场景中测试。
要寻找的是仅在场景A起作用、
在场景B无影响的药物。
C2S-Scale筛选出的候选药物中，仅有10%-30%曾在文献记载中出现过。
其余超过七成，与筛选目标无已知关联。
最终选定的药物是silmitasertib（代号CX-4945），
一种CK2激酶抑制剂。
模型标注该药物具有「context split」特性：
在场景A效果显著，而在场景B几乎无效。
论文指出，C2S-Scale提出了一个全新可证伪的假设。
活细胞实验确认有效性
理论假设需要通过实验验证。
研究团队采用人源活细胞进行实验，
网友评论