Wirtualna Starzejąca się Komórka (VAC) od Insilico Medicine – wieloagentowa platforma AI, która zmienia zasady symulacji starzenia

Większość wirtualnych modeli komórek zamraża biologię w jednym momencie – to szczegółowe zdjęcie czegoś, co nigdy nie stoi w miejscu. Wirtualna Starzejąca się Komórka (VAC) firmy Insilico Medicine podchodzi do tego inaczej, traktując wiek biologiczny jako zmienną pierwszej kategorii, a nie adnotację na marginesie zbioru danych . Uruchomiona jako zapowiedź technologii 14 sierpnia 2026 r., VAC jest opisywana jako „pierwsza w branży wieloagentowa platforma wirtualnej komórki”, która symuluje, jak stan komórki zmienia się dynamicznie wraz z wiekiem na sześciu połączonych ze sobą poziomach biologicznych .

Co wyróżnia VAC? Wiek biologiczny jako zmienna podstawowa

Tradycyjne modele wirtualnych komórek symulują komórkę w jednym punkcie czasowym. VAC sprawia, że wiek jest podstawowym warunkiem: użytkownik może wybrać gatunek, tkankę, wiek i związek chemiczny, a system przewiduje odpowiedź na poziomie transkryptomu, proteomu i metylomu . Platforma koordynuje ponad 30 wyspecjalizowanych agentów AI, działających na sześciu poziomach biologicznych – molekularnym, wewnątrzkomórkowym, międzykomórkowym, tkankowym, narządowym i organizmowym – z agentami nadrzędnymi propagującymi sygnały w obu kierunkach między poziomami .

„Każdy model potrzebuje pierwszej zasady. Naszą jest wiek” – głosi strona VAC . Platforma modeluje interwencje, w tym hamowanie celów leków i knockout genów, generując przewidywane odpowiedzi multiomiczne w różnym wieku biologicznym, co pozwala naukowcom testować hipotezy dotyczące modulacji starzenia w silico przed eksperymentami na mokro .

Linia PreciousGPT: Trzy generacje modeli fundamentowych

VAC opiera się bezpośrednio na serii modeli Precious firmy Insilico, nazywanych „Dużymi Modelami Życia” (LLoLM), rozwijanymi przez kilka lat :

• Precious1GPT (opublikowany w czerwcu 2023) – Wielomodalny transformator wytrenowany na danych transkryptomicznych i metylacyjnych do przewidywania wieku biologicznego i odkrywania celów terapeutycznych związanych ze starzeniem, wykorzystujący prostą architekturę transformatora regresyjnego/klasyfikacyjnego . Był to model fundamentowy, który jako pierwszy wykazał zdolność przewidywania wieku na podstawie danych multiomicznych i identyfikacji celów terapeutycznych o podwójnym przeznaczeniu, związanych zarówno ze starzeniem, jak i chorobami wieku podeszłego .

• Precious2GPT (opublikowany w sierpniu 2024) – Złożony model łączący transformator z architekturą dyfuzji warunkowej do generowania syntetycznych danych multiomicznych dla wielu gatunków i tkanek oraz do opracowywania zegarów starzenia . Opublikowany w Nature npj Aging, Precious2GPT potrafił generować realistyczne dane multiomiczne warunkowane wiekiem, gatunkiem i typem tkanki, przewyższając warunkowe generatywne sieci przeciwstawne .

• Precious3GPT (wydany w lipcu 2024) – Najnowszy i najbardziej zaawansowany model w serii, opisywany jako prawdziwie wielomodalny model transformatorowy z 175,1 miliardami parametrów, wytrenowany na 1,2 miliona punktów danych omicznych, grafach wiedzy i tekstach biomedycznych z PubMed . Precious3GPT może wykonywać wiele zadań: przewidywanie wieku u różnych gatunków, odkrywanie celów, przewidywanie wrażliwości na leki oraz emulację schematu badań kliniczno-kontrolnych ze szczególnym uwzględnieniem perturbacji chemicznych . Spośród 22 geroprotektorów przebadanych za pomocą Precious3GPT, 8 wykazało aktywność senomorficzną lub senolityczną w modelu starzenia in vitro .

VAC stanowi następny krok po Precious3GPT – wieloagentową platformę, która koordynuje te możliwości AI, aby symulować starzenie na poziomie komórki, a nie tylko przewidywać wiek czy generować profile omiczne .

Pipeline kliniczny: Rentosertib i portfolio leków odkrytych przez AI

Rentosertib (ISM001-055) – Pierwszy w swojej klasie, odkryty przez AI inhibitor TNIK w leczeniu idiopatycznego włóknienia płuc (IPF). Badanie fazy IIa GENESIS-IPF, randomizowane, podwójnie zaślepione, kontrolowane placebo, prowadzone w 22 ośrodkach w Chinach, wykazało akceptowalny profil bezpieczeństwa i tolerancji, a w grupie otrzymującej 60 mg raz dziennie odnotowano średnią poprawę natężonej objętości wydechowej (FVC) o +98,4 ml po 12 tygodniach, w porównaniu ze średnim spadkiem o -20,3 ml w grupie placebo . Wyniki opublikowano w Nature Medicine (wskaźnik wpływu 58,7) i zaprezentowano na Międzynarodowej Konferencji American Thoracic Society (ATS) w 2025 r. . Badanie fazy IIa zakończono, a Insilico zainicjowało badanie fazy III w lipcu 2026 r., z planowanym włączeniem pierwszego pacjenta do września 2025 r., ostatniego do listopada 2028 r. i wstępnymi wynikami spodziewanymi do grudnia 2029 r. . W kwietniu 2026 r. China National Medical Products Administration (CDE) wydała zgodę na IND dla roztworu wziewnego Rentosertibu .

ISM6331 – Nowatorski, zaprojektowany przez AI inhibitor pan-TEAD w leczeniu nieoperacyjnego złośliwego międzybłoniaka opłucnej. FDA przyznała status Fast Track Designation 29 lipca 2026 r. – pierwsze takie wyróżnienie dla Insilico – dla dorosłych pacjentów, u których choroba postępowała po wcześniejszej terapii przeciwciałami anty-PD-1, z lub bez terapii anty-CTLA-4, oraz chemioterapii opartej na platynie . Dane z pierwszego badania fazy I na ludziach zostały zaakceptowane do szybkiej prezentacji ustnej na konferencji ESMO 2026 w Madrycie .

Ważne zastrzeżenie: VAC pozostaje zapowiedzią technologii

Należy podkreślić, że platforma VAC jest zapowiedzią technologii, a nie w pełni zwalidowanym systemem. Na stronie internetowej firmy jest oznaczona jako „w fazie rozwoju” i przedstawiana jako demonstracja koncepcji, a nie zwalidowane, wdrożone narzędzie . Do tej pory nie opublikowano żadnych recenzowanych badań walidacyjnych dla samej VAC . Platforma umożliwia użytkownikom eksplorację koncepcji i przekazywanie opinii, ale nie została jeszcze poddana rygorystycznej walidacji wymaganej do zastosowań regulacyjnych lub klinicznych.

Szerszy kontekst: Starzenie jako soczewka w odkrywaniu leków

Podejście Insilico opiera się na założeniu, że starzenie się jest podstawową przyczyną wielu chorób. „Wykorzystując starzenie się jako sposób identyfikacji chorób, Insilico nauczyło AI robić to, co robi najlepiej – pobierać duże ilości danych z wielu komponentów, aby identyfikować nowe cele i nowe cząsteczki” – stwierdza firma . Osadzając wiek biologiczny jako podstawowy parametr w platformie VAC, firma dąży do stworzenia jednolitego środowiska obliczeniowego, w którym biologia starzenia stanowi podstawę do identyfikacji interwencji mogących modulować zarówno samo starzenie, jak i choroby z nim związane .

Platforma VAC stanowi znaczący postęp koncepcyjny w biologii obliczeniowej, ale jej praktyczna użyteczność musi zostać potwierdzona poprzez recenzowaną walidację i niezależne replikacje.