Google DeepMind et Yale dévoilent un modèle d’IA de 27 milliards de dollars pour découvrir une thérapie révolutionnaire contre le cancer
Google DeepMind, en collaboration avec l’Université Yale, a annoncé Cell2Sentence-Scale 27B (C2S-Scale), un modèle de base de 27 milliards de paramètres conçu pour comprendre le langage des cellules individuelles.
« C2S-Scale représente une nouvelle frontière dans l’analyse unicellulaire », ont déclaré les chercheurs de DeepMind dans un communiqué. Ce modèle, qui fait partie de la famille Gemma ouverte de DeepMind, marque une avancée significative dans l’utilisation de l’intelligence artificielle à grande échelle pour la recherche biomédicale et a déjà abouti à une découverte concrète en biologie du cancer.
Dans un billet de blog, l’équipe de recherche a rapporté que C2S-Scale avait généré une hypothèse inédite sur le comportement des cellules cancéreuses, qui a ensuite été confirmée par des expériences en laboratoire. Cette découverte révèle une nouvelle manière de rendre les tumeurs « froides » visibles pour le système immunitaire, améliorant potentiellement l’efficacité de l’immunothérapie.
Un défi majeur dans le traitement du cancer réside dans le fait que de nombreuses tumeurs échappent à la détection par le système immunitaire. C2S-Scale a été chargé de trouver un médicament appelé « amplificateur conditionnel », capable de renforcer les signaux immunitaires uniquement dans des environnements où l’activité immunitaire était déjà présente mais insuffisante.
Le modèle a effectué des simulations virtuelles de plus de 4 000 médicaments dans différents contextes immunitaires, identifiant des candidats potentiels susceptibles d’augmenter sélectivement la présentation des antigènes.
Parmi les principales prédictions figurait le silmitasertib (CX‑4945), un inhibiteur de la kinase CK2. L’IA a prédit que le silmitasertib amplifierait les signaux immunitaires uniquement en présence de faibles niveaux d’interféron — une molécule immunitaire clé. Les expériences en laboratoire ont confirmé cette prédiction : la combinaison de silmitasertib et de faibles doses d’interféron a augmenté la présentation des antigènes de près de 50 %, rendant les cellules tumorales plus visibles aux attaques immunitaires.
Les équipes de recherche de Yale élargissent désormais l’étude afin d’explorer comment ces mécanismes prédits par l’IA pourraient se généraliser à différents types de tumeurs et de contextes immunitaires. Avec une validation plus approfondie, cette approche pourrait ouvrir la voie à une découverte de médicaments plus rapide et à des immunothérapies anticancéreuses plus personnalisées.
