上週，科學界與 AI 領域共同迎來了一項可能具有劃時代意義的重大新聞：Google 與耶魯大學合作的一項研究，透過 AI 模型找到了一種有望治療癌症的藥物。這項突破不僅為數以百萬計的癌症患者帶來了希望，更被許多專家視為通用 AI 模型在基礎科學領域做出全新、非既有知識發現的第一個重要鐵證。
一、通用生物語言模型的雄心：讓細胞「開口說話」
這項研究的初衷並非直接找藥，而是為了打造一個通用的生物大型語言模型 (LM)。研究人員特別希望該模型能夠專精於單細胞分析。
為了讓 AI 理解複雜的生物學狀態，他們採用了一種名為 Cell to Sentence (細胞轉為句子) 的創新方法。透過測量細胞中 mRNA 的序列和濃度，科學家們得以判斷細胞的基因表達狀態。隨後，他們將這些按表達濃度排序的基因轉換成一串英文字母序列，從而成功地將細胞的當前狀態「文字化」。
研究人員匯集了超過 5000 多萬筆 Cell Sentence，以及相關的論文摘要、文獻、藥物描述和人類基因名。他們使用 Google 的 Gemma 2 模型 (270 億參數) 進行持續的預訓練。雖然 270 億參數屬於 Gemma 系列中較大的模型，但整體而言，它仍是一個相對小的 LM，甚至可以在筆記型電腦上運行。
透過這種訓練，模型不僅吸納了龐大的生物學文獻知識，更建立起對於細胞基因表達的基礎知識與「直覺」。
二、AI 鎖定難治「冷腫瘤」
模型訓練完成後，研究人員定義了一個關鍵的挑戰：尋找一種能**提升癌細胞「抗原呈現 (Antigen Presentation)」**的藥物。
許多癌症之所以難以治療，是因為它們屬於「冷腫瘤」。這類腫瘤的抗原呈現偏低，導致人體免疫系統無法識別並攻擊它們。目標是找到一種藥物，能將冷腫瘤轉化為「熱腫瘤」，使其被免疫系統辨識並消滅。
然而，這項任務的難點在於，藥物必須是選擇性的：它必須只提升癌細胞的抗原呈現，而不能影響健康細胞，以避免引發自體免疫問題。
為此，研究人員設計了雙情境模擬：
- 癌細胞情境： 模擬具有低度 IFN（干擾素，一種刺激抗原呈現的細胞激素）訊號的腫瘤細胞樣本。
- 免疫中性情境： 模擬沒有 IFN 背景的正常細胞狀況。
AI 模型針對 4000 多種藥物在兩種情境下進行了反覆取樣與判斷（類似蒙地卡羅分析），以量化每種藥物對抗原呈現的影響程度。
三、關鍵的 S 開頭藥物與 35% 的顯著提升
最終，AI 模型從數千種藥物中鎖定了一個以 S 開頭的藥物。
最令人震驚的是，該藥物此前有其他用途，但從未被人類研究用於放大抗原呈現，甚至連相關的文獻都沒有。這是一個完全由 AI 根據其訓練出來的生物學直覺所產生的全新發現。
隨後，科學家將這項發現帶入實驗室進行測試，證實了 AI 模型的預測是有效的：
- 在模擬癌細胞的低 IFN 訊號情境下，投入該藥物，癌細胞的抗原呈現在實驗室測試中顯示顯著提升了將近 35%。
- 在模擬正常細胞的免疫中性情境下，該藥物對抗原呈現沒有顯著變化。
這項結果強烈表明，這個 S-藥物具有將冷腫瘤轉化為熱腫瘤的巨大潛力。
四、劃時代的意義與未來展望
這項研究具有兩層重大的意義：
1. 對於癌症治療的深遠影響：
- 雖然一切仍待臨床試驗證實，但如果成功，估計有 20% 到 40%（約 30%）的癌症患者有機會受益於這種新的治療方法。
- 由於這個 S-藥物並非全新藥物，它已經過基礎臨床試驗（有些已達第一或第二階段）。這意味著針對抗原呈現的新臨床試驗進度有望加快。主持人預測，我們可能在約一年內看到初步的結果。
2. 通用 AI 推動基礎科學的鐵證：
- 過去，如 AlphaFold 等科學突破依賴的是狹隘 AI 模型，這些模型僅專注於特定任務（如蛋白質折疊預測），甚至無法理解人類語言。
- 但這次 Google 的發現，是由一個通用 AI 模型（一個生物 LM）所完成的。它的價值更高，因為它不僅限於找到這一種藥，未來科學家可以利用同一個模型尋找更多種類的藥物，並解決其他生物學問題。
這項研究標誌著我們正朝著「通用 AI 模型發現新科學」的道路邁進。如同 AI 在數學奧林匹亞競賽中展現出創造力一樣，這類通用模型將持續累積小小的發現，最終可能解鎖像長溫超導、核融合或量子電腦等影響人類文明的「聖杯型」關鍵科技。