Η Google DeepMind και το Yale University ανακοίνωσαν μια επιστημονική ανακάλυψη που θα μπορούσε να αλλάξει τον τρόπο με τον οποίο προσεγγίζονται οι θεραπείες κατά του καρκίνου. Το νέο μοντέλο τεχνητής νοημοσύνης Cell2Sentence-Scale 27B (C2S-Scale), βασισμένο στην οικογένεια Gemma, κατάφερε να εντοπίσει έναν νέο, μέχρι σήμερα άγνωστο, μηχανισμό κυτταρικής συμπεριφοράς που σχετίζεται με την ανοσοθεραπεία.
Η σημαντική αυτή πρόοδος δεν προήλθε απλώς από την ανάλυση δεδομένων, αλλά από τη δημιουργία μιας νέας υπόθεσης που στη συνέχεια επιβεβαιώθηκε πειραματικά σε ζωντανά κύτταρα. Το γεγονός αυτό σηματοδοτεί μια νέα εποχή για την επιστημονική έρευνα με τη βοήθεια της AI.
Τι είναι το C2S-Scale 27B
Το C2S-Scale 27B είναι ένα θεμελιώδες μοντέλο 27 δισεκατομμυρίων παραμέτρων σχεδιασμένο για single-cell analysis, δηλαδή για την κατανόηση της «γλώσσας» των μεμονωμένων κυττάρων. Αναπτύχθηκε στο πλαίσιο της οικογένειας Gemma των ανοιχτών μοντέλων της Google, και σύμφωνα με τους ερευνητές, αντιπροσωπεύει ένα νέο ορόσημο για την εφαρμογή της AI στη βιολογία.
Η ανάπτυξη του C2S-Scale στηρίχθηκε σε μια κρίσιμη παρατήρηση: όπως και στα μοντέλα φυσικής γλώσσας, όσο μεγαλύτερα γίνονται τα βιολογικά μοντέλα, τόσο καλύτερα αποδίδουν. Το ερώτημα όμως που τέθηκε ήταν αν τα μεγαλύτερα μοντέλα απλώς εκτελούν υπάρχουσες εργασίες πιο αποτελεσματικά ή αν μπορούν να δημιουργήσουν νέες επιστημονικές ιδέες. Η απάντηση ήρθε μέσα από αυτό το πείραμα.
Η πρόκληση της ανοσοθεραπείας
Ένα από τα βασικά προβλήματα στην ανοσοθεραπεία του καρκίνου είναι ότι πολλοί όγκοι παραμένουν «κρύοι» — δηλαδή αόρατοι για το ανοσοποιητικό σύστημα. Ο στόχος των ερευνητών είναι να μετατρέψουν αυτούς τους όγκους σε «θερμούς», κάνοντάς τους αναγνωρίσιμους από τα κύτταρα του ανοσοποιητικού μέσω μιας διαδικασίας που ονομάζεται antigen presentation.
Το C2S-Scale 27B κλήθηκε να βρει μια χημική ουσία που θα μπορούσε να λειτουργήσει ως conditional amplifier, ενισχύοντας το ανοσοποιητικό σήμα μόνο όταν ήδη υπάρχουν χαμηλά επίπεδα interferon, ενός βασικού πρωτεϊνικού παράγοντα του ανοσοποιητικού. Πρόκειται για μια εξαιρετικά σύνθετη ανάλυση, καθώς απαιτεί αιτιώδη σκέψη υπό συνθήκες, κάτι που οι μικρότερες εκδόσεις του μοντέλου δεν κατάφεραν να επιτύχουν.
Πώς λειτούργησε το μοντέλο
Για να πραγματοποιηθεί αυτή η ανάλυση, οι ερευνητές σχεδίασαν ένα διπλό εικονικό πείραμα (dual-context virtual screen) με δύο στάδια:
- Immune-Context-Positive: Το μοντέλο έλαβε δεδομένα από πραγματικά δείγματα ασθενών όπου υπήρχε ήδη μια ήπια ανοσολογική δραστηριότητα.
- Immune-Context-Neutral: Το μοντέλο επεξεργάστηκε δεδομένα από απομονωμένες κυτταρικές σειρές χωρίς ανοσολογικό περιβάλλον.
Στη συνέχεια, το C2S-Scale προσομοίωσε την επίδραση περισσότερων από 4.000 φαρμάκων και προέβλεψε ποια θα μπορούσαν να ενισχύσουν την antigen presentation μόνο στην πρώτη περίπτωση, δηλαδή στο περιβάλλον που σχετίζεται με πραγματικούς ασθενείς.
Το αποτέλεσμα ήταν εντυπωσιακό: το 10-30% των φαρμάκων που πρότεινε το μοντέλο ήταν ήδη γνωστάαπό προηγούμενες μελέτες, όμως το υπόλοιπο ποσοστό περιελάμβανε εντελώς νέες υποψήφιες ενώσεις χωρίς προηγούμενη καταγραφή στη βιβλιογραφία.
Η πρόβλεψη που επιβεβαιώθηκε στο εργαστήριο
Ανάμεσα στα ευρήματα, το C2S-Scale εντόπισε μια ξεχωριστή «context split» επίδραση του φαρμάκου silmitasertib (CX-4945), ενός γνωστού CK2 inhibitor. Το μοντέλο προέβλεψε ότι η χορήγησή του θα προκαλούσε έντονη αύξηση της antigen presentation μόνο όταν συνυπήρχε χαμηλό επίπεδο interferon, ενώ δεν θα είχε αποτέλεσμα σε ουδέτερο περιβάλλον.
Αυτό ήταν κάτι που δεν είχε αναφερθεί ποτέ πριν στη βιβλιογραφία, παρότι το CK2 είχε ήδη συσχετιστεί με διάφορες κυτταρικές λειτουργίες.
Οι ερευνητές αποφάσισαν να δοκιμάσουν την πρόβλεψη σε κύτταρα ανθρώπινου νευροενδοκρινικού τύπου, τα οποία το μοντέλο δεν είχε «δει» ποτέ κατά την εκπαίδευσή του. Τα πειράματα έδειξαν:
- Το silmitasertib μόνο του δεν προκάλεσε καμία αλλαγή.
- Η χαμηλή δόση interferon είχε περιορισμένη δράση.
- Ο συνδυασμός των δύο όμως ενίσχυσε την antigen presentation κατά περίπου 50%, καθιστώντας τα κύτταρα πολύ πιο «ορατά» στο ανοσοποιητικό σύστημα.
Η πειραματική επιβεβαίωση αυτής της πρόβλεψης αποδεικνύει ότι το C2S-Scale δεν απλώς αναγνωρίζει δεδομένα, αλλά δημιουργεί νέες, ελέγξιμες επιστημονικές υποθέσεις.
Ένα νέο μοντέλο ανακάλυψης στη βιοϊατρική
Η επιτυχία αυτή ανοίγει τον δρόμο για μια νέα μορφή βιολογικής έρευνας, όπου μεγάλα AI μοντέλα όπως το C2S-Scale μπορούν:
- Να εκτελούν προβλέψεις συμπεριφοράς κυττάρων.
- Να πραγματοποιούν υψηλής κλίμακας εικονικές δοκιμές φαρμάκων (virtual screens).
- Να εντοπίζουν συσχετισμούς υπό συγκεκριμένα βιολογικά περιβάλλοντα.
- Να προτείνουν νέες θεραπευτικές στρατηγικές που αξίζουν πειραματικής διερεύνησης.
Ήδη, ομάδες του Yale εξετάζουν περαιτέρω τον μηχανισμό που αποκάλυψε το μοντέλο και επεκτείνουν τη μελέτη του σε άλλα ανοσολογικά περιβάλλοντα, με στόχο την επιβεβαίωση και αξιοποίηση αυτών των υποθέσεων σε προκλινικές και κλινικές συνθήκες.
Διαθεσιμότητα του μοντέλου
Το C2S-Scale 27B και οι πόροι του είναι πλέον διαθέσιμοι στην ερευνητική κοινότητα. Η Google προσκαλεί επιστήμονες και προγραμματιστές να αξιοποιήσουν το μοντέλο, να χτίσουν πάνω στα ευρήματά του και να συμβάλουν στην αποκρυπτογράφηση της «γλώσσας της ζωής» μέσα από την τεχνητή νοημοσύνη.
[via]
