Modello di IA che collega biologia cellulare e ragionamento automatico

Una collaborazione tra Yale University e Google DeepMindha portato a una pietra miliare scientifica rara: un sistema di intelligenza artificiale che non solo ha analizzato dati biologici ma ha anche generato e validato sperimentalmente una nuova ipotesi per il trattamento del cancro. Annunciato il 15 ottobre 2025, il modello base da 27 miliardi di parametri, chiamato Cell2Sentence-Scale 27B, è stato sviluppato per interpretare i dati di sequenziamento RNA a cellula singola come se leggesse il linguaggio stesso della biologia. Così ha scoperto un meccanismo molecolare che potrebbe rendere alcuni tumori difficili da trattare più reattivi all’immunoterapia, una sfida che ha eluso i ricercatori per anni.

L’origine del modello risiede nel framework Gemma di Google ed è stato addestrato a convertire i segnali complessi e ad alta dimensionalità provenienti da milioni di cellule in modelli interpretabili di comunicazione molecolare. Quando i ricercatori del laboratorio van Dijk di Yale gli hanno chiesto di identificare farmaci potenzialmente in grado di “rivelare” i tumori alle cellule immunitarie, il sistema ha risposto con quella che sembrava essere un’esperimento razionale piuttosto che una semplice correlazione di dati. Ha utilizzato una simulazione a doppio contesto su oltre 4.000 composti, valutando ognuno in ambienti con e senza segnali immunitari. L’algoritmo ha ragionato che un composto, silmitasertib (CX-4945), un noto inibitore della chinasi CK2, potesse migliorare la presentazione degli antigeni, ma solo se combinato con bassi livelli di interferone, una citochina che predispone il sistema immunitario al riconoscimento.

I biologi di Yale hanno messo alla prova questa previsione. Utilizzando modelli cellulari di tumore neuroendocrino umano, dati mai visti dall’IA, hanno confermato che il sistema aveva ragione. Il silmitasertib da solo ha avuto un effetto modesto, e l’interferone da solo ha incrementato lievemente la segnalazione immunitaria. Ma insieme hanno prodotto circa un aumento del cinquanta percento nella presentazione antigentica MHC-I, rendendo efficacemente le cellule tumorali più visibili al sistema immunitario. Questo risultato rappresenta la prima conferma sperimentale di un meccanismo terapeutico indipendentemente proposto da un’IA addestrata su dati cellulari anziché su conoscenze testuali.

Le implicazioni vanno oltre questa singola scoperta. Il lavoro dimostra che le architetture di modelli di linguaggio di grande scala, quando addestrate su dati molecolari, possono operare come “cellule virtuali,” capaci di proporre ipotesi biologiche mirate invece di affidarsi a screening massivi. Ciò potrebbe apportare vantaggi significativi nella ricerca sul cancro, dove il successo spesso dipende dalla comprensione delle interazioni contestuali tra farmaci, fattori immunitari e ambienti cellulari.

Fonte.