Virtuelle Alternde Zelle: Wie Insilico Medicine biologisches Alter zum Kernfaktor der Arzneimittelforschung macht
Insilico Medicine hat am 14. August 2026 die Virtual Aging Cell (VAC) vorgestellt – eine Multi Agenten Plattform, die das biologische Alter als erste Eingabegröße nutzt, nicht als Randnotiz [34][36].
Veröffentlicht vonBearbeitet mit DeepSeek-V4-FlashBilder erstellt mit GPT Image 1.5
Insilico Medicine hat am 14. August 2026 die Virtual Aging Cell (VAC) vorgestellt – eine Multi Agenten Plattform, die das biologische Alter als erste Eingabegröße nutzt, nicht als Randnotiz [34][36].
VAC koordiniert über 30 spezialisierte KI Agenten auf sechs biologischen Skalen (molekular, intrazellulär, interzellulär, Gewebe, Organ, Organismus) und erlaubt die Simulation von Eingriffen wie Arzneimittel Hemmung o...
Die Plattform baut auf der PreciousGPT Serie auf: Precious1GPT (Altersvorhersage, 2023), Precious2GPT (synthetische Datengenerierung, 2024) und Precious3GPT (175,1 Mrd.
In der klinischen Pipeline: Rentosertib (ISM001 055) für Lungenfibrose zeigte in Phase IIa eine Verbesserung der Lungenfunktion um +98,4 mL; Phase III wurde im Juli 2026 gestartet [1][2][3].
What is Insilico Medicine's Virtual Aging Cell (VAC) platform, how does it use multi-agent AI systems across six biological scales with biolConceptual visualization of Insilico Medicine's Virtual Aging Cell (VAC) platform, a multi-agent AI system that models cellular aging across six biological scales.
KI-Prompt
Create a landscape editorial hero image for this Studio Global article: What is Insilico Medicine's Virtual Aging Cell (VAC) platform, how does it use multi-agent AI systems across six biological scales with biol. Article summary: ## The Virtual Aging Cell (VAC) Platform. Topic tags: general, government, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
Die meisten virtuellen Zellmodelle frieren die Biologie zu einem einzigen Zeitpunkt ein – ein detailliertes Foto von etwas, das sich ständig bewegt. Die Virtual Aging Cell (VAC) von Insilico Medicine verfolgt einen anderen Ansatz, indem sie das biologische Alter als erstklassige Eingabevariable behandelt, nicht als Randnotiz in einem Datensatz . Am 14. August 2026 als Technologievorschau vorgestellt, wird VAC als „die erste Multi-Agenten-Plattform für virtuelle Zellen der Branche“ beschrieben, die simuliert, wie sich der Zustand einer Zelle mit dem Alter dynamisch über sechs miteinander verbundene biologische Skalen verändert .
Was VAC anders macht: Das biologische Alter als Kernvariable
Herkömmliche virtuelle Zellmodelle simulieren eine Zelle zu einem einzigen Zeitpunkt. VAC macht das Alter zu einer Kernbedingung: Nutzer können eine Spezies, ein Gewebe, ein Alter und eine Verbindung festlegen, und das System sagt die Reaktion über Transkriptom, Proteom und Methylom voraus . Die Plattform koordiniert über 30 spezialisierte KI-Agenten, die auf sechs biologischen Skalen arbeiten – molekular, intrazellulär, interzellulär, Gewebe, Organ und Organismus – wobei Master-Agenten Signale bidirektional zwischen den Ebenen weiterleiten .
„Jedes Modell braucht ein erstes Prinzip. Unseres ist das Alter“, heißt es auf der VAC-Webseite . Die Plattform modelliert Eingriffe wie Arzneimittel-Ziel-Hemmung und Gen-Knockout, indem sie vorhergesagte Multi-Omics-Antworten in verschiedenen biologischen Altern erzeugt. Forscher können so Hypothesen zur Altersmodulation in silico testen, bevor sie ins Labor gehen .
Die PreciousGPT-Linie: Drei Generationen von Fundamentmodellen
VAC baut direkt auf Insilicos Precious-Serie der „Large Language of Life Models“ (LLoLM) auf, die über mehrere Jahre entwickelt wurden :
Precious1GPT (veröffentlicht Juni 2023) – Ein multimodaler Transformer, trainiert auf Transkriptom- und Methylierungsdaten zur biologischen Altersvorhersage und zur Identifizierung altersrelevanter Wirkstoffziele. Es nutzte eine einfache Transformer-Regressor/Klassifikator-Architektur . Precious1GPT war das Fundamentmodell, das erstmals die Fähigkeit zeigte, das Alter aus Multi-Omics-Daten vorherzusagen und duale therapeutische Ziele zu identifizieren, die sowohl beim Altern als auch bei altersassoziierten Krankheiten eine Rolle spielen .
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Wie lautet die kurze Antwort auf „Virtuelle Alternde Zelle: Wie Insilico Medicine biologisches Alter zum Kernfaktor der Arzneimittelforschung macht“?
Insilico Medicine hat am 14. August 2026 die Virtual Aging Cell (VAC) vorgestellt – eine Multi Agenten Plattform, die das biologische Alter als erste Eingabegröße nutzt, nicht als Randnotiz [34][36].
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Insilico Medicine hat am 14. August 2026 die Virtual Aging Cell (VAC) vorgestellt – eine Multi Agenten Plattform, die das biologische Alter als erste Eingabegröße nutzt, nicht als Randnotiz [34][36]. VAC koordiniert über 30 spezialisierte KI Agenten auf sechs biologischen Skalen (molekular, intrazellulär, interzellulär, Gewebe, Organ, Organismus) und erlaubt die Simulation von Eingriffen wie Arzneimittel Hemmung o...
Was soll ich als nächstes in der Praxis tun?
Die Plattform baut auf der PreciousGPT Serie auf: Precious1GPT (Altersvorhersage, 2023), Precious2GPT (synthetische Datengenerierung, 2024) und Precious3GPT (175,1 Mrd.
Virtuelle Alternde Zelle: Wie Insilico Medicine biologisches Alter zum Kernfaktor der Arzneimittelforschung macht
Insilico Medicine hat am 14. August 2026 die Virtual Aging Cell (VAC) vorgestellt – eine Multi Agenten Plattform, die das biologische Alter als erste Eingabegröße nutzt, nicht als Randnotiz [34][36].
Veröffentlicht vonBearbeitet mit DeepSeek-V4-FlashBilder erstellt mit GPT Image 1.5
Insilico Medicine hat am 14. August 2026 die Virtual Aging Cell (VAC) vorgestellt – eine Multi Agenten Plattform, die das biologische Alter als erste Eingabegröße nutzt, nicht als Randnotiz [34][36].
VAC koordiniert über 30 spezialisierte KI Agenten auf sechs biologischen Skalen (molekular, intrazellulär, interzellulär, Gewebe, Organ, Organismus) und erlaubt die Simulation von Eingriffen wie Arzneimittel Hemmung o...
Die Plattform baut auf der PreciousGPT Serie auf: Precious1GPT (Altersvorhersage, 2023), Precious2GPT (synthetische Datengenerierung, 2024) und Precious3GPT (175,1 Mrd.
In der klinischen Pipeline: Rentosertib (ISM001 055) für Lungenfibrose zeigte in Phase IIa eine Verbesserung der Lungenfunktion um +98,4 mL; Phase III wurde im Juli 2026 gestartet [1][2][3].
What is Insilico Medicine's Virtual Aging Cell (VAC) platform, how does it use multi-agent AI systems across six biological scales with biolConceptual visualization of Insilico Medicine's Virtual Aging Cell (VAC) platform, a multi-agent AI system that models cellular aging across six biological scales.
KI-Prompt
Create a landscape editorial hero image for this Studio Global article: What is Insilico Medicine's Virtual Aging Cell (VAC) platform, how does it use multi-agent AI systems across six biological scales with biol. Article summary: ## The Virtual Aging Cell (VAC) Platform. Topic tags: general, government, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
Die meisten virtuellen Zellmodelle frieren die Biologie zu einem einzigen Zeitpunkt ein – ein detailliertes Foto von etwas, das sich ständig bewegt. Die Virtual Aging Cell (VAC) von Insilico Medicine verfolgt einen anderen Ansatz, indem sie das biologische Alter als erstklassige Eingabevariable behandelt, nicht als Randnotiz in einem Datensatz . Am 14. August 2026 als Technologievorschau vorgestellt, wird VAC als „die erste Multi-Agenten-Plattform für virtuelle Zellen der Branche“ beschrieben, die simuliert, wie sich der Zustand einer Zelle mit dem Alter dynamisch über sechs miteinander verbundene biologische Skalen verändert .
Was VAC anders macht: Das biologische Alter als Kernvariable
Herkömmliche virtuelle Zellmodelle simulieren eine Zelle zu einem einzigen Zeitpunkt. VAC macht das Alter zu einer Kernbedingung: Nutzer können eine Spezies, ein Gewebe, ein Alter und eine Verbindung festlegen, und das System sagt die Reaktion über Transkriptom, Proteom und Methylom voraus . Die Plattform koordiniert über 30 spezialisierte KI-Agenten, die auf sechs biologischen Skalen arbeiten – molekular, intrazellulär, interzellulär, Gewebe, Organ und Organismus – wobei Master-Agenten Signale bidirektional zwischen den Ebenen weiterleiten .
„Jedes Modell braucht ein erstes Prinzip. Unseres ist das Alter“, heißt es auf der VAC-Webseite . Die Plattform modelliert Eingriffe wie Arzneimittel-Ziel-Hemmung und Gen-Knockout, indem sie vorhergesagte Multi-Omics-Antworten in verschiedenen biologischen Altern erzeugt. Forscher können so Hypothesen zur Altersmodulation in silico testen, bevor sie ins Labor gehen .
Die PreciousGPT-Linie: Drei Generationen von Fundamentmodellen
VAC baut direkt auf Insilicos Precious-Serie der „Large Language of Life Models“ (LLoLM) auf, die über mehrere Jahre entwickelt wurden :
Precious1GPT (veröffentlicht Juni 2023) – Ein multimodaler Transformer, trainiert auf Transkriptom- und Methylierungsdaten zur biologischen Altersvorhersage und zur Identifizierung altersrelevanter Wirkstoffziele. Es nutzte eine einfache Transformer-Regressor/Klassifikator-Architektur . Precious1GPT war das Fundamentmodell, das erstmals die Fähigkeit zeigte, das Alter aus Multi-Omics-Daten vorherzusagen und duale therapeutische Ziele zu identifizieren, die sowohl beim Altern als auch bei altersassoziierten Krankheiten eine Rolle spielen .
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Wie lautet die kurze Antwort auf „Virtuelle Alternde Zelle: Wie Insilico Medicine biologisches Alter zum Kernfaktor der Arzneimittelforschung macht“?
Insilico Medicine hat am 14. August 2026 die Virtual Aging Cell (VAC) vorgestellt – eine Multi Agenten Plattform, die das biologische Alter als erste Eingabegröße nutzt, nicht als Randnotiz [34][36].
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Insilico Medicine hat am 14. August 2026 die Virtual Aging Cell (VAC) vorgestellt – eine Multi Agenten Plattform, die das biologische Alter als erste Eingabegröße nutzt, nicht als Randnotiz [34][36]. VAC koordiniert über 30 spezialisierte KI Agenten auf sechs biologischen Skalen (molekular, intrazellulär, interzellulär, Gewebe, Organ, Organismus) und erlaubt die Simulation von Eingriffen wie Arzneimittel Hemmung o...
Was soll ich als nächstes in der Praxis tun?
Die Plattform baut auf der PreciousGPT Serie auf: Precious1GPT (Altersvorhersage, 2023), Precious2GPT (synthetische Datengenerierung, 2024) und Precious3GPT (175,1 Mrd.
Precious2GPT (veröffentlicht August 2024) – Ein kombiniertes Modell aus einem Transformer und einer bedingten Diffusionsarchitektur zur Multi-Omics-, Multi-Spezies-, Multi-Gewebe- synthetischen Datengenerierung und zur Entwicklung von Alterungsuhren . Veröffentlicht in Nature npj Aging, konnte Precious2GPT realistische Multi-Omics-Daten erzeugen, die nach Alter, Spezies und Gewebetyp konditioniert waren, und übertraf dabei bedingte generative gegnerische Netzwerke .
Precious3GPT (veröffentlicht Juli 2024) – Das neueste und fortschrittlichste Modell der Serie, beschrieben als ein wirklich multimodales Transformer-Modell mit 175,1 Milliarden Parametern, trainiert auf 1,2 Millionen Omics-Datenpunkten, Wissensgraphen und biomedizinischen PubMed-Texten . Precious3GPT kann mehrere Aufgaben ausführen: Altersvorhersage über Spezies hinweg, Zielsuche, Vorhersage der Arzneimittelempfindlichkeit und Nachbildung von Fall-Kontroll-Studienabläufen mit Schwerpunkt auf chemischen Störungen . Von 22 mittels Precious3GPT gescreenten Geroprotektoren zeigten 8 senomorphe oder senolytische Aktivität in einem In-vitro-Seneszenzmodell .
VAC repräsentiert den nächsten Schritt über Precious3GPT hinaus – eine Multi-Agenten-Plattform, die diese KI-Fähigkeiten koordiniert, um die Alterung auf Zellebene zu simulieren, anstatt nur Alter vorherzusagen oder Omics-Profile zu erzeugen .
Klinische Pipeline: Rentosertib und das KI-entdeckte Wirkstoffportfolio
Rentosertib (ISM001-055) – Ein neuartiger, KI-entdeckter TNIK-Hemmer gegen idiopathische Lungenfibrose (IPF). Die Phase-IIa-Studie GENESIS-IPF, eine randomisierte, doppelblinde, placebokontrollierte Studie an 22 Zentren in China, zeigte ein gut handhabbares Sicherheits- und Verträglichkeitsprofil. Der Arm mit 60 mg einmal täglich wies eine mittlere Verbesserung der forcierten Vitalkapazität von +98,4 mL nach 12 Wochen auf, verglichen mit einem mittleren Rückgang von -20,3 mL in der Placebogruppe . Die Ergebnisse wurden in Nature Medicine (Impact Factor 58,7) veröffentlicht und auf der Internationalen Konferenz der American Thoracic Society (ATS) 2025 präsentiert . Die Phase IIa ist abgeschlossen, und Insilico hat im Juli 2026 eine Phase-III-Studie gestartet. Die erste Patienteneinschreibung wird für September 2025 erwartet, die letzte für November 2028, erste Ergebnisse für Dezember 2029 . Eine Inhalationslösung von Rentosertib erhielt im April 2026 ebenfalls die IND-Zulassung von der China National Medical Products Administration (CDE) .
ISM6331 – Ein neuartiger, KI-designtes pan-TEAD-Hemmer gegen nicht resezierbares malignes Pleuramesotheliom. Die FDA erteilte am 29. Juli 2026 den Fast-Track-Status – Insilicos erster FTD – für erwachsene Patienten, deren Erkrankung nach einer vorherigen Anti-PD-1-Antikörpertherapie, mit oder ohne Anti-CTLA-4-Therapie und platinbasierter Chemotherapie fortgeschritten war . Erste Daten aus der Phase-I-Studie am Menschen wurden für eine Kurzvortragspräsentation auf dem ESMO-Kongress 2026 in Madrid angenommen .
Wichtiger Hinweis: VAC bleibt eine Technologievorschau
Es ist wichtig zu betonen, dass die VAC-Plattform eine Technologievorschau und kein vollständig validiertes System ist. Die unternehmenseigene Webseite kennzeichnet sie als „in Entwicklung“ und stellt sie als branchenweit erste Demonstration eines Konzepts dar, nicht als validiertes, einsatzbereites Werkzeug . Bislang wurden keine begutachteten Validierungsstudien für VAC selbst veröffentlicht . Die Plattform ermöglicht es Nutzern, das Konzept zu erkunden und Feedback zu geben, aber sie hat noch nicht die strenge Validierung durchlaufen, die für eine regulatorische oder klinische Nutzung erforderlich wäre.
Weiterer Kontext: Altern als Linse für die Wirkstoffforschung
Insilicos Ansatz wurzelt in der Idee, dass Altern der zugrundeliegende Treiber vieler Krankheiten ist. „Indem es das Altern nutzt, um Krankheiten zu identifizieren, hat Insilico die KI darauf trainiert, das zu tun, was sie am besten kann – große Datenmengen aus vielen Komponenten zu verarbeiten, um neue Ziele und neue Moleküle zu finden“, erklärt das Unternehmen . Indem sie das biologische Alter als Kernparameter in der VAC-Plattform verankert, will das Unternehmen einen einheitlichen Rechenrahmen schaffen, in dem die Alterungsbiologie als Grundlage für die Identifizierung von Interventionen dient, die sowohl das Altern als auch altersbedingte Krankheiten beeinflussen könnten .
Die VAC-Plattform stellt einen bedeutenden konzeptionellen Fortschritt in der Computerbiologie dar, aber ihr praktischer Nutzen muss sich noch durch begutachtete Validierung und unabhängige Nachweise bestätigen.
insilico.com
Insilico Initiates Phase III Clinical Trial for Rentosertib, Its AI ...
Precious2GPT (veröffentlicht August 2024) – Ein kombiniertes Modell aus einem Transformer und einer bedingten Diffusionsarchitektur zur Multi-Omics-, Multi-Spezies-, Multi-Gewebe- synthetischen Datengenerierung und zur Entwicklung von Alterungsuhren . Veröffentlicht in Nature npj Aging, konnte Precious2GPT realistische Multi-Omics-Daten erzeugen, die nach Alter, Spezies und Gewebetyp konditioniert waren, und übertraf dabei bedingte generative gegnerische Netzwerke .
Precious3GPT (veröffentlicht Juli 2024) – Das neueste und fortschrittlichste Modell der Serie, beschrieben als ein wirklich multimodales Transformer-Modell mit 175,1 Milliarden Parametern, trainiert auf 1,2 Millionen Omics-Datenpunkten, Wissensgraphen und biomedizinischen PubMed-Texten . Precious3GPT kann mehrere Aufgaben ausführen: Altersvorhersage über Spezies hinweg, Zielsuche, Vorhersage der Arzneimittelempfindlichkeit und Nachbildung von Fall-Kontroll-Studienabläufen mit Schwerpunkt auf chemischen Störungen . Von 22 mittels Precious3GPT gescreenten Geroprotektoren zeigten 8 senomorphe oder senolytische Aktivität in einem In-vitro-Seneszenzmodell .
VAC repräsentiert den nächsten Schritt über Precious3GPT hinaus – eine Multi-Agenten-Plattform, die diese KI-Fähigkeiten koordiniert, um die Alterung auf Zellebene zu simulieren, anstatt nur Alter vorherzusagen oder Omics-Profile zu erzeugen .
Klinische Pipeline: Rentosertib und das KI-entdeckte Wirkstoffportfolio
Rentosertib (ISM001-055) – Ein neuartiger, KI-entdeckter TNIK-Hemmer gegen idiopathische Lungenfibrose (IPF). Die Phase-IIa-Studie GENESIS-IPF, eine randomisierte, doppelblinde, placebokontrollierte Studie an 22 Zentren in China, zeigte ein gut handhabbares Sicherheits- und Verträglichkeitsprofil. Der Arm mit 60 mg einmal täglich wies eine mittlere Verbesserung der forcierten Vitalkapazität von +98,4 mL nach 12 Wochen auf, verglichen mit einem mittleren Rückgang von -20,3 mL in der Placebogruppe . Die Ergebnisse wurden in Nature Medicine (Impact Factor 58,7) veröffentlicht und auf der Internationalen Konferenz der American Thoracic Society (ATS) 2025 präsentiert . Die Phase IIa ist abgeschlossen, und Insilico hat im Juli 2026 eine Phase-III-Studie gestartet. Die erste Patienteneinschreibung wird für September 2025 erwartet, die letzte für November 2028, erste Ergebnisse für Dezember 2029 . Eine Inhalationslösung von Rentosertib erhielt im April 2026 ebenfalls die IND-Zulassung von der China National Medical Products Administration (CDE) .
ISM6331 – Ein neuartiger, KI-designtes pan-TEAD-Hemmer gegen nicht resezierbares malignes Pleuramesotheliom. Die FDA erteilte am 29. Juli 2026 den Fast-Track-Status – Insilicos erster FTD – für erwachsene Patienten, deren Erkrankung nach einer vorherigen Anti-PD-1-Antikörpertherapie, mit oder ohne Anti-CTLA-4-Therapie und platinbasierter Chemotherapie fortgeschritten war . Erste Daten aus der Phase-I-Studie am Menschen wurden für eine Kurzvortragspräsentation auf dem ESMO-Kongress 2026 in Madrid angenommen .
Wichtiger Hinweis: VAC bleibt eine Technologievorschau
Es ist wichtig zu betonen, dass die VAC-Plattform eine Technologievorschau und kein vollständig validiertes System ist. Die unternehmenseigene Webseite kennzeichnet sie als „in Entwicklung“ und stellt sie als branchenweit erste Demonstration eines Konzepts dar, nicht als validiertes, einsatzbereites Werkzeug . Bislang wurden keine begutachteten Validierungsstudien für VAC selbst veröffentlicht . Die Plattform ermöglicht es Nutzern, das Konzept zu erkunden und Feedback zu geben, aber sie hat noch nicht die strenge Validierung durchlaufen, die für eine regulatorische oder klinische Nutzung erforderlich wäre.
Weiterer Kontext: Altern als Linse für die Wirkstoffforschung
Insilicos Ansatz wurzelt in der Idee, dass Altern der zugrundeliegende Treiber vieler Krankheiten ist. „Indem es das Altern nutzt, um Krankheiten zu identifizieren, hat Insilico die KI darauf trainiert, das zu tun, was sie am besten kann – große Datenmengen aus vielen Komponenten zu verarbeiten, um neue Ziele und neue Moleküle zu finden“, erklärt das Unternehmen . Indem sie das biologische Alter als Kernparameter in der VAC-Plattform verankert, will das Unternehmen einen einheitlichen Rechenrahmen schaffen, in dem die Alterungsbiologie als Grundlage für die Identifizierung von Interventionen dient, die sowohl das Altern als auch altersbedingte Krankheiten beeinflussen könnten .
Die VAC-Plattform stellt einen bedeutenden konzeptionellen Fortschritt in der Computerbiologie dar, aber ihr praktischer Nutzen muss sich noch durch begutachtete Validierung und unabhängige Nachweise bestätigen.
insilico.com
Insilico Initiates Phase III Clinical Trial for Rentosertib, Its AI ...