Un nuovo traguardo per l’intelligenza artificiale in ambito scientifico: grazie alla collaborazione con la Yale University, Google DeepMind ha lanciato Cell2Sentence-Scale 27B (C2S-Scale), un modello da 27 miliardi di parametri progettato per comprendere il linguaggio delle singole cellule. La novità non è solo tecnologica: C2S-Scale ha generato una ipotesi completamente nuova sul comportamento delle cellule tumorali, successivamente confermata sperimentalmente, aprendo la strada a possibili terapie innovative contro il cancro.
Un’AI che parla il linguaggio delle cellule
Come precisa la società, C2S-Scale nasce come evoluzione del progetto Gemma, la piattaforma open source di Google dedicata all’intelligenza artificiale biologica. A differenza dei tradizionali algoritmi di analisi genomica, il nuovo modello è progettato per lavorare su singole cellule, simulando il loro comportamento e le interazioni con il corpo umano e con le terapie. La funzione principale di C2S-Scale è quella di “tradurre” le azioni cellulari in segnali comprensibili, quasi come se interpretasse un vero e proprio linguaggio biologico.
Gli esperimenti condotti finora hanno evidenziato risultati sorprendenti: il modello è stato in grado di individuare i meccanismi con cui alcune cellule tumorali si rendono invisibili al sistema immunitario, riducendo l’efficacia delle terapie tradizionali.
Una delle scoperte più promettenti riguarda il cosiddetto “conditional amplifier”, una molecola capace di potenziare la risposta immunitaria solo in condizioni specifiche. In pratica, quando proteine come l’interferone non stimolano da sole la produzione di antigeni, il farmaco individuato dal modello ne amplifica selettivamente l’effetto, rendendo più visibili le cellule malate. Questo approccio mirato potrebbe cambiare radicalmente il modo in cui si progettano i trattamenti oncologici.
Simulazioni digitali e collaborazione open source
Per ottenere questi risultati, Google e Yale hanno creato un sistema di simulazione chiamato dual-context virtual screen, che ha permesso di testare digitalmente oltre 4.000 farmaci su campioni tumorali reali e linee cellulari isolate. Il modello ha identificato una decina di molecole promettenti, di cui solo il 30% già conosciuto per la sua efficacia contro il cancro; le altre molecole, finora sconosciute nel campo oncologico, si sono rivelate efficaci in applicazioni cliniche successive.
A supporto delle previsioni di C2S-Scale, i ricercatori di Yale hanno condotto una fase di validazione clinica che ha confermato la correttezza dei risultati. L’obiettivo finale è lo sviluppo di terapie personalizzate in grado di aumentare la sensibilità dei tumori all’immunoterapia.
Sia il modello C2S-Scale 27B sia la base Gemma sono disponibili pubblicamente su Hugging Face e GitHub, accompagnati da un preprint scientifico su bioRxiv. L’obiettivo è permettere ad altri ricercatori di replicare e ampliare gli esperimenti, accelerando la scoperta di nuovi farmaci. Gli scienziati, tuttavia, sottolineano la necessità di prudenza: si tratta di ipotesi promettenti ancora in fase di validazione e soggette a peer review prima di qualsiasi applicazione clinica.
