Virtual Aging Cell (VAC): la piattaforma multi-agente di Insilico Medicine che integra l'età biologica come variabile fondamentale

La maggior parte dei modelli di cellula virtuale congela la biologia in un singolo istante: una fotografia dettagliata di qualcosa che non smette mai di muoversi. La Virtual Aging Cell (VAC) di Insilico Medicine adotta un approccio diverso, trattando l'età biologica come una variabile di input di prim'ordine, non come un'annotazione ai margini di un set di dati . Presentata come anteprima tecnologica il 14 agosto 2026, VAC è descritta come "la prima piattaforma multi-agente di cellula virtuale" in grado di simulare come lo stato di una cellula cambia dinamicamente con l'età su sei scale biologiche interconnesse .

Cosa rende VAC diversa: l'età biologica come variabile centrale

I modelli tradizionali di cellula virtuale simulano una cellula in un singolo momento. VAC rende l'età una condizione fondamentale: gli utenti possono impostare una specie, un tessuto, un'età e un composto, e il sistema prevede la risposta a livello di trascrittoma, proteoma e metiloma . La piattaforma coordina oltre 30 agenti di IA specializzati che operano su sei scale biologiche — molecolare, intracellulare, intercellulare, tissutale, d'organo e d'organismo — con agenti master che propagano i segnali bidirezionalmente tra i livelli .

"Ogni modello ha bisogno di un primo principio. Il nostro è l'età", si legge nella pagina web di VAC . La piattaforma modella interventi tra cui l'inibizione farmacologica e il knockout genico, generando risposte multi-omiche predette a diverse età biologiche, consentendo ai ricercatori di testare ipotesi sulla modulazione dell'invecchiamento in silico prima degli esperimenti in wet-lab .

La genealogia PreciousGPT: tre generazioni di modelli fondazione

VAC si basa direttamente sulla serie Precious di modelli "Large Language of Life" (LLoLM) di Insilico, sviluppati in diversi anni :

• Precious1GPT (pubblicato a giugno 2023) — Un trasformatore multimodale addestrato su dati trascrittomici e di metilazione per la predizione dell'età biologica e la scoperta di target correlati all'invecchiamento, utilizzando una semplice architettura di regressione/classificazione . Precious1GPT è stato il modello fondatore che per primo ha dimostrato la capacità di predire l'età a partire da dati multi-omici e di identificare target terapeutici a duplice scopo implicati nell'invecchiamento e nelle malattie correlate .

• Precious2GPT (pubblicato ad agosto 2024) — Un modello composito che combina un trasformatore e un'architettura a diffusione condizionale per la generazione di dati sintetici multi-omici, multi-specie e multi-tessuto e lo sviluppo di orologi dell'invecchiamento . Pubblicato su Nature npj Aging, Precious2GPT era in grado di generare dati multi-omici realistici condizionati dall'età, dalla specie e dal tipo di tessuto, superando le conditional generative adversarial networks .

• Precious3GPT (rilasciato a luglio 2024) — Il più recente e avanzato della serie, descritto come un modello trasformatore veramente multimodale con 175,1 miliardi di parametri addestrato su 1,2 milioni di dati omici, grafi di conoscenza e testi biomedici tratti da PubMed . Precious3GPT può eseguire molteplici compiti: predizione dell'età tra specie diverse, scoperta di target, predizione della sensibilità ai farmaci e simulazione di flussi di lavoro di studi caso-controllo con un focus sulle perturbazioni chimiche . Su 22 geroprotettori selezionati utilizzando Precious3GPT, 8 hanno mostrato attività senomorfica o senolitica in un modello di senescenza in vitro .

VAC rappresenta il passo successivo rispetto a Precious3GPT — una piattaforma multi-agente che coordina queste capacità di IA per simulare l'invecchiamento a livello cellulare, anziché limitarsi a predire età o generare profili omici .

Pipeline clinica: Rentosertib e il portafoglio farmaci scoperti dall'IA

Rentosertib (ISM001-055) — Un inibitore TNIK di prima classe scoperto dall'IA per la fibrosi polmonare idiopatica (IPF). Lo studio GENESIS-IPF di Fase IIa, uno studio randomizzato, in doppio cieco, controllato con placebo condotto in 22 centri in Cina, ha mostrato un profilo di sicurezza e tollerabilità gestibile, con il braccio da 60 mg una volta al giorno che ha dimostrato un miglioramento medio della capacità vitale forzata di +98,4 mL a 12 settimane, rispetto a un declino medio di -20,3 mL nel gruppo placebo . I risultati sono stati pubblicati su Nature Medicine (Impact Factor 58,7) e presentati all'American Thoracic Society (ATS) 2025 International Conference . La Fase IIa è completata, e Insilico ha avviato uno studio di Fase III a luglio 2026, con l'arruolamento del primo paziente previsto entro settembre 2025, l'ultimo entro novembre 2028, e i primi risultati attesi entro dicembre 2029 . Una soluzione inalatoria di Rentosertib ha inoltre ricevuto l'approvazione IND dalla China National Medical Products Administration (CDE) nell'aprile 2026 .

ISM6331 — Un nuovo inibitore pan-TEAD progettato dall'IA per il mesotelioma pleurico maligno non resecabile. La FDA ha concesso la Designazione Fast Track il 29 luglio 2026 — la prima FTD per Insilico — per pazienti adulti la cui malattia è progredita dopo una precedente terapia con anticorpi anti-PD-1, con o senza terapia anti-CTLA-4, e chemioterapia a base di platino . I dati dello studio di Fase I first-in-human sono stati accettati per una presentazione orale rapida al congresso ESMO 2026 a Madrid .

Importante avvertenza: VAC rimane un'anteprima tecnologica

È fondamentale notare che la piattaforma VAC è un'anteprima tecnologica, non un sistema completamente validato. La stessa pagina web dell'azienda la etichetta come "in sviluppo" e la inquadra come una dimostrazione di concetto pionieristica nel settore, piuttosto che uno strumento validato e distribuito . Ad oggi, non sono stati pubblicati studi di validazione peer-reviewed per VAC stessa . La piattaforma consente agli utenti di esplorare il concetto e fornire feedback, ma non ha ancora subito la rigorosa validazione che sarebbe richiesta per l'uso normativo o clinico.

Contesto più ampio: l'invecchiamento come lente per la scoperta di farmaci

L'approccio di Insilico si fonda sull'idea che l'invecchiamento sia il motore sottostante di molte malattie. "Usando l'invecchiamento come mezzo per identificare le malattie, Insilico ha addestrato l'IA a fare ciò che sa fare meglio — prendere grandi quantità di dati da molti componenti per identificare nuovi target e nuove molecole", afferma l'azienda . Integrando l'età biologica come parametro centrale nella piattaforma VAC, l'azienda mira a creare un quadro computazionale unificato in cui la biologia dell'invecchiamento funge da fondamento per identificare interventi in grado di modulare sia l'invecchiamento che le malattie correlate all'età .

La piattaforma VAC rappresenta un avanzamento concettuale significativo nella biologia computazionale, ma la sua utilità pratica resta da dimostrare attraverso una validazione peer-reviewed e una replica indipendente.