Forscher von Google DeepMind haben in Zusammenarbeit mit der Yale University das Modell C2S-Scale 27B entwickelt, das über 27 Milliarden Parameter verfügt und auf der Gemma-Modellfamilie basiert. Dieses System wandelt komplexe Genexpressionsdaten einzelner Zellen in sogenannte Zellsätze um, wodurch sich das Verhalten von Zellen ähnlich wie natürliche Sprache analysieren lässt. Das Modell wurde mit mehr als einer Milliarde Einzelzellprofilen trainiert und kann Reaktionen auf Tausende von Medikamenten in unterschiedlichen biologischen Umgebungen simulieren.
Die Forschung konzentrierte sich auf das Problem kalter Tumoren, die sich vor dem Immunsystem verbergen. Das Modell erhielt die Aufgabe, ein Medikament zu finden, das das Immunsignal nur in einer Umgebung mit niedrigen Interferonspiegeln verstärkt, wobei Interferon ein Schlüsselprotein für die Immun-Signalübertragung ist. Mithilfe eines zweifachen virtuellen Screenings untersuchte das Modell mehr als 4.000 Medikamente in zwei Kontexten: zum einen mit intakten Wechselwirkungen zwischen Tumor und Immunsystem aus Patientenproben und zum anderen mit isolierten Zelllinien ohne Immunkontext.
Wichtige Entdeckung: Silmitasertib und seine Wirkungen
Das Modell identifizierte Silmitasertib, auch bekannt als CX-4945, einen Inhibitor der Kinase CK2. Der Vorhersage zufolge würde dieses Medikament die Antigenpräsentation nur in einer Umgebung mit niedrigen Interferonspiegeln deutlich erhöhen und dort als bedingter Verstärker wirken. In einer neutralen Umgebung ohne Immunkontext sollte es keine Wirkung haben. Diese Entdeckung war neu, da Silmitasertib bislang nicht mit einer Verstärkung der MHC-I-Expression oder der Antigenpräsentation in Verbindung gebracht worden war.
In den Laboren der Yale University wurde die Vorhersage an Modellen menschlicher neuroendokriner Zellen überprüft, die das Modell während des Trainings nicht gesehen hatte. Die Experimente bestätigten die Vorhersage: Silmitasertib allein erhöhte die Antigenpräsentation nicht. Eine niedrige Interferondosis hatte nur eine geringe Wirkung. Die Kombination beider führte jedoch zu einer synergistischen Verstärkung um 50 %, wodurch der Tumor für das Immunsystem sichtbarer wird.
Experimentelle Validierung und weitere Details
Die Forscher führten Tests an lebenden Zellen durch, bei denen die Kombination aus Silmitasertib und einer niedrigen Interferondosis eine deutliche Steigerung der Antigenpräsentation bewirkte. Dieser Effekt trat spezifisch in einer Umgebung mit Immunkontext auf, was das Modell präzise vorhergesagt hatte. Im gesamten Screening stufte das Modell 10 bis 30 % der Medikamente als bekannt ein, während die übrigen überraschende Kandidaten ohne bisherige Verbindung zur Immunmodulation waren.
Sundar Pichai, CEO von Google, bezeichnete diese Entdeckung als wichtigen Meilenstein für den Einsatz von KI in der Wissenschaft. Das Modell verarbeitete nicht nur Daten, sondern generierte auch eine neue Hypothese, die von den Wissenschaftlern überprüft wurde. Die Forschung wurde unter der Leitung von Shekoofeh Azizi und Bryan Perozzi von Google in Zusammenarbeit mit einem Labor der Yale University durchgeführt.
Das Modell C2S-Scale 27B ist nun auf Plattformen wie Hugging Face und GitHub frei verfügbar, einschließlich des Codes und des wissenschaftlichen Preprints auf bioRxiv. Dieser Ansatz ermöglicht es weiteren Wissenschaftlern, die Vorhersagen zu testen und die Forschung weiterzuentwickeln. Die Teams an der Yale University untersuchen nun den Mechanismus hinter dieser Entdeckung und testen weitere Vorhersagen des Modells in anderen Immunkontexten.
