Este modelo, designado Cell2Sentence-Scale 27b (C2S-Scale), possui 27 mil milhões de parâmetros e representa um avanço significativo na análise de células individuais.

A investigação teve como objetivo principal identificar medicamentos capazes de impedir que certos tumores se tornem invisíveis ao sistema imunitário, forçando-os a exibir sinais que desencadeiem uma resposta imunitária através do processo de apresentação de antigénios, um desafio conhecido na imunoterapia contra o cancro. O modelo C2S-Scale foi capaz de gerar uma hipótese original e testável relacionada com a inibição da quinase CK2 pelo fármaco silmitasertib (CX-4945), algo até então não demonstrado em estudos anteriores.

Embora a CK2 esteja envolvida em diversas funções celulares, incluindo o papel de moduladora do sistema imunitário, não existiam evidências de que a sua inibição incrementasse a apresentação de antigénios. Para validar a previsão do modelo, os cientistas da Google realizaram experiências laboratoriais combinando silmitasertib com uma dose baixa de interferão, uma proteína que atua no sistema imunitário. Esta combinação resultou num aumento de 50% na apresentação de antigénios, tornando os tumores mais visíveis para o sistema imunitário.

A previsão computacional foi confirmada diversas vezes em laboratório, constituindo um passo inicial que poderá conduzir ao desenvolvimento de novas terapias combinadas mais eficazes contra o cancro. Atualmente, os investigadores da Universidade de Yale continuam a explorar o mecanismo descoberto e a testar outras previsões geradas pela IA em diferentes contextos imunológicos.

O modelo e os recursos associados foram disponibilizados pela Google nas plataformas HuggingFace e GitHub, permitindo que a comunidade científica possa dar continuidade a esta linha de investigação. Este avanço é considerado um marco na aplicação da inteligência artificial à investigação biomédica, embora ainda sejam necessários mais testes clínicos e pré-clínicos para avaliar o seu potencial terapêutico

lusa/HN