摘要：而这项发现，基于谷歌和耶鲁大学刚刚推出的开源生物大模型C2S-Scale，拥有270亿参数，旨在理解单细胞语言。

就在刚刚，谷歌曝出了一个重磅成果！

其开发的生物大模型，提出了关于癌症的新假设，并通过了实验验证。

这是一项真正的科学发现，有望开创新的疗法！

谷歌CEO第一时间在社交媒体上分享了这个好消息。

他表示，这是AI在科学领域的一个激动人心的里程碑！

而这项发现，基于谷歌和耶鲁大学刚刚推出的开源生物大模型C2S-Scale，拥有270亿参数，旨在理解单细胞语言。

bioRxiv: https://www.biorxiv.org/content/10.1101/2025.04.14.648850v2

HuggingFace:https://huggingface.co/vandijklab/C2S-Scale-Gemma-2-27B

GitHub:https://github.com/vandijklab/cell2sentence

消息一出，立刻在全网掀起了巨震。

多伦多大学医学生物物理学助理教授Bo Wang大受震撼：

“谷歌刚刚进入虚拟细胞时代。C2S-Scale模型表明，大语言模型可以推理细胞——甚至揭示新的癌症生物学。”

或许，这正是人工智能最大的影响力所在——加速肿瘤学等基础科学的突破。

就在两天前，英伟达投资了Lila Sciences，这家公司致力于构建世界上第一个科学超级智能平台，以及应用于生命科学、化学和材料的完全自主实验室。

短短半年内，Lila Sciences累计融资达到了5.4亿美元，估值超过13亿美元。

从模型提出假设到机器人实验室验证，AI彻底变革科学发现的时代，真的来临了！

AI提出全新科学假设，有望开辟新疗法

C2S-Scale首次提出一个关于癌症细胞行为的新假设，并通过活细胞实验成功验证。

这一发现揭示了增强抗癌免疫反应的潜在新路径，为开发更有效的免疫疗法提供了线索。

许多肿瘤之所以难以治疗，是因为它们是“冷肿瘤”——免疫系统看不见它们。

让冷肿瘤变“热”，是癌症免疫治疗的关键。为此，研究人员让C2S-Scale模拟了4000多种药物的效果。

AI成功识别出一些候选药物能够在特定环境下发挥效果，这些关系此前尚未有人发现。

C2S-Scale特别指出，一种名为silmitasertib的CK2抑制剂，能在低剂量干扰素存在时显著提升抗原呈递，但在无免疫背景时无效。

更令人惊喜的是，实验室用人类细胞验证了这一预测：药物和低剂量干扰素联合使用，确实让细胞的免疫识别能力提升了约50%。

这是AI首次独立提出并被实验证实的全新抗癌策略。它证明，AI模型不仅能总结已有知识，还能发现新的生物学机制。

目前，研究团队正在进一步测试C2S-Scale提出的其他建议。

如果未来能在动物和临床试验中继续验证，这类技术有望大大加快新药研发速度，为患者带来新的治疗希望。

谷歌联手耶鲁，发布开源生物大模型

谷歌和耶鲁大学合作开发的C2S-Scale 是一款单细胞转录组学基础模型，能够将复杂的基因表达数据转化为类似自然语言的“细胞句子”（cell sentences），

由此实现单细胞数据与自然语言的统一表示，从而利用大语言模型的强大能力进行分析。

C2S-Scale的一个关键创新是可逆转换机制：保留了从“细胞句子”还原为基因表达向量的线性映射参数，实现了数据表示的双向转换，在利用大语言模型优势的同时，保持与传统单细胞分析方法的兼容性。

模型还设计了统一的多任务提示框架，通过自然语言指令引导模型完成多种任务。

例如，“预测该细胞的类型”用于细胞注释，“在肝组织中生成肝细胞”用于条件生成，真正实现“一模型多任务”。

C2S-Scale的另一大创新是融合了单细胞数据与文献、疾病标签、通路信息等文本注释，使模型能结合上下文知识进行生物学推理，显著提升解释能力和语义理解深度。

在性能方面，C2S-Scale在细胞类型注释、组织推断、细胞嵌入等任务中表现优异，优于scGPT和Geneformer等专用模型。

此外，模型支持生成与解释性任务，如用自然语言总结数据集、回答科学问题，在这些任务中优于GPT-4o等通用大模型。

此外，C2S-Scale 还验证了Scaling law（缩放定律）在生物学中的有效性：随着模型参数从4.1亿增至270亿，各项任务性能持续提升，表明更大规模的模型能更好捕捉复杂的生物规律。

诺奖得主押注，AI科研时代降临！

C2S-Scale的多位开发人员，来自Google DeepMind。

作为全球顶尖的人工智能研究机构，DeepMind推出多个具有重要意义的科学模型，包括AlphaFold（蛋白质结构）、AlphaGenome（DNA调控）等等。

DeepMind的CEO，Demis Hassabis，就因为在AI蛋白质结构预测上的贡献获得了2024年诺贝尔化学奖。

基于AlphaFold，他创立了AI制药公司Isomorphic Labs，公司第一款由AI设计的药物将于今年年底进入临床试验。

Demis Hassabis曾表示，借助AI的力量，人类将在十年内消灭所有疾病。

不仅是DeepMind，另一家AI领域的领军公司——OpenAI，同样积极运用AI加速科学发现。

奥特曼最近表示，GPT-5已经能自己做科研。

在内部实验中，GPT-5已能独立提出数学假设、改进生物模型，甚至在物理模拟中发现新规律。

他相信，未来两年，AI将在生物学、化学、物理学领域，做出真正意义上的发现。

未来的AI科研将不再局限于提出假设和模拟计算，AI与机器人技术将深度融入实验环节，实现从假设生成、自动化实验、数据分析到模型迭代的全闭环科研范式。

就在10月14日，AI科学工厂Lila Sciences获得英伟达等机构的1.15亿美元融资，公司估值超过13亿美元。

半年来，公司累计融资5.4亿美元，投资者包括木头姐 ARK Venture Fund、Flagship Pioneering 等知名机构。

公司表示，新资金将用于建设“AI科学工厂”，这些工厂配备了由AI控制的实验仪器，可以持续进行自主实验，公司已租下约22000平方米的实验室来部署。

它还计划向商业客户开放其平台，通过企业软件提供对其AI模型和自动化实验室的访问，目前已引起了能源、半导体和制药公司的兴趣。

在中国，也同样诞生了晶泰科技、百图生科、剂泰科技、百奥几何、分子之心、深势科技为代表的一批AI for Science公司。

8月份，国务院印发《关于深入实施“人工智能+”行动的意见》，指出：

以远远超出人类能力的规模、速度和准确性产生新的科学知识，这或许是AI对世界最深远的影响。

一个新的科学时代，已经到来。

来源：智药局