Google DeepMind, in collaborazione con la Yale University, ha annunciato una scoperta importante per il futuro dell’immunoterapia oncologica. Il loro modello di intelligenza artificiale Cell2Sentence-Scale 27B (C2S-Scale), basato sulla famiglia di modelli Gemma 2 di Google, ha generato una nuova ipotesi per il trattamento del cancro, poi confermata sperimentalmente.
Il modello ha identificato un meccanismo per trasformare i tumori “freddi” – quelli che eludono il sistema immunitario – in tumori “caldi”, rendendoli maggiormente visibili e vulnerabili alle difese del nostro corpo. Sundar Pichai (Google CEO) ha definito questo risultato “un traguardo per l’IA nella scienza“, sottolineando come con ulteriori test preclinici e clinici, questa scoperta potrebbe rivelare un nuovo promettente percorso per sviluppare terapie contro il cancro.
La portata di questa scoperta dimostra che i modelli di IA possono generare nuove idee scientifiche, aprendo orizzonti inesplorati nella ricerca.
Il modello C2S-Scale: capire il linguaggio delle cellule
Il modello C2S-Scale è un sistema da 27 miliardi di parametri progettato per comprendere il “linguaggio” delle singole cellule. Questo approccio innovativo trasforma i profili di espressione genica in frasi testuali; questi permettono al modello di analizzare dati complessi a livello di singola cellula.
I ricercatori hanno messo il modello di fronte a una delle sfide più difficili dell’immunoterapia oncologica; come rendere i tumori “freddi” più “caldi” e quindi più responsivi al trattamento. Per farlo, hanno progettato uno screening virtuale a doppio contesto, analizzando gli effetti di oltre 4.000 candidati farmacologici in due condizioni diverse; una con segnali immunitari attivi e una senza.
Il modello ha identificato un farmaco noto come silmitasertib (CX-4945), un inibitore della chinasi CK2. Silmitasertib è già noto come inibitore di CK2 e ha dimostrato attività anti-tumorale in diversi modelli preclinici e clinici. Le sperimentazioni cliniche finora condotte con silmitasertib miravano a bloccare la sopravvivenza cellulare via CK2 o a potenziare la chemioterapia inibendo la riparazione del DNA.
Nessuno studio precedente aveva però mai rilevato, né ipotizzato, che questo composto potrebbe amplificare la “sensibilizzazione immunitaria” attraverso la presentazione di antigeni (MHC-I) in modo interferone-dipendente. È proprio questo il punto nuovo emerso dal lavoro Google–Yale con il modello C2S-Scale.
Dalla predizione alla validazione
La vera prova di qualsiasi ipotesi scientifica risiede nella validazione sperimentale. I ricercatori di Yale hanno testato la predizione del modello su modelli cellulari umani di neuroendocrini, che non erano stati inclusi nei dati di addestramento del modello. I risultati hanno confermato in modo spettacolare la previsione dell’IA.
Quando le cellule sono state trattate con silmitasertib da solo, non si è osservato alcun effetto sulla presentazione degli antigeni. Anche basse dosi di interferone da sole hanno prodotto solo un modesto effetto. Tuttavia, la combinazione dei due ha generato un aumento di circa il 50% della presentazione degli antigeni; rendendo le cellule tumorali più visibili al sistema immunitario.
Questa scoperta suggerisce che il silmitasertib agisce come un amplificatore condizionale, potenziando la risposta immunitaria solo in determinati contesti biologici. I ricercatori hanno osservato che questo effetto si estendeva attraverso diversi sottotipi di interferone, indicando una robustezza del meccanismo. La validazione sperimentale di questa ipotesi generata dall’IA dimostra che C2S-Scale non sta semplicemente ripetendo fatti noti; sta generando nuove, testabili ipotesi scientifiche che possono accelerare la scoperta di nuovi percorsi terapeutici.
Prospettive future: l’IA come partner nella scoperta scientifica
Google e Yale hanno rilasciato C2S-Scale 27B su Hugging Face e il codice su GitHub, aprendo la strada a una nuova generazione di strumenti di ricerca per la comunità. Il modello è una piattaforma aperta per esplorare l’interazione tra dati trascrittomici e conoscenza biologica. Può essere usato per generare ipotesi su nuove combinazioni terapeutiche, interpretare dataset complessi, o progettare esperimenti mirati. La sua architettura basata su Gemma lo rende accessibile anche a laboratori con risorse computazionali limitate.
Questa scoperta segna un punto di svolta nel modo in cui concepiamo il ruolo dell’intelligenza artificiale nella ricerca scientifica. Non più semplicemente un modello come strumento di analisi, ma come partner attivo nel processo di scoperta. La capacità di C2S-Scale di integrare dati, ragionare su contesti biologici complessi e di generare infine ipotesi testabili apre la strada a nuove forme di collaborazione tra umani e macchine nella ricerca biomedica.
I modelli futuri, ancora più grandi e addestrati su dataset più diversificati, potrebbero sbloccare capacità ancora più avanzate; come l’integrazione di dati epigenomici, proteomici e clinici in un unico modello multimodale.
La scoperta del silmitasertib come amplificatore condizionale della presentazione degli antigeni è solo l’inizio. Man mano che questi modelli diventano più sofisticati, possiamo aspettarci di vedere sempre più esempi di IA che non solo analizzano dati esistenti, ma generano nuove conoscenze scientifiche; accelerando il ritmo della scoperta in campi che vanno anche oltre l’oncologia.
Riferimenti : https://www.biorxiv.org/content/10.1101/2025.04.14.648850v2.full.pdf
