Virtual Aging Cell: เซลล์จำลองที่แก่ชราได้ตามเวลาจริง — Insilico ใช้ AI หลายเอเจนต์จำลองความแก่ใน 6 ระดับทางชีวภาพ

โมเดลเซลล์จำลองส่วนใหญ่ในปัจจุบันหยุดนิ่งอยู่ที่ช่วงเวลาเดียว — เหมือนถ่ายรูปเซลล์ที่ละเอียดมากแต่ไม่เห็นการเคลื่อนไหว Virtual Aging Cell (VAC) ของ Insilico Medicine แตกต่างออกไป เพราะมันปฏิบัติต่อ อายุทางชีวภาพในฐานะตัวแปรนำเข้าอันดับหนึ่ง ไม่ใช่แค่หมายเหตุเล็กๆ ขอบชุดข้อมูล เปิดตัวเป็นเทคโนโลยี่ตัวอย่างเมื่อวันที่ 14 สิงหาคม 2026 VAC ถูกอธิบายว่าเป็น "แพลตฟอร์มเซลล์จำลองแบบหลายเอเจนต์รายแรกของอุตสาหกรรม" ที่จำลองว่าสถานะของเซลล์เปลี่ยนแปลงไปตามอายุแบบไดนามิก ใน 6 ระดับทางชีวภาพที่เชื่อมโยงกัน

อะไรทำให้ VAC ต่าง: อายุทางชีวภาพคือตัวแปรหลัก

โมเดลเซลล์จำลองทั่วไปจำลองเซลล์ ณ จุดเวลาเดียว VAC ทำให้อายุเป็นเงื่อนไขหลัก: ผู้ใช้สามารถกำหนดสปีชีส์ เนื้อเยื่อ อายุ และสารประกอบ แล้วระบบจะพยากรณ์การตอบสนองข้ามทรานสคริปโตม โปรตีโอม และเมทิลโลม แพลตฟอร์มนี้ประสานงาน เอเจนต์ AI เฉพาะทางกว่า 30 ตัว ที่ทำงานข้าม 6 ระดับทางชีวภาพ — ระดับโมเลกุล ระดับภายในเซลล์ ระดับระหว่างเซลล์ ระดับเนื้อเยื่อ ระดับอวัยวะ และระดับสิ่งมีชีวิต — โดยมีเอเจนต์หลักส่งสัญญาณสองทิศทางระหว่างระดับ

"ทุกโมเดลต้องการหลักการแรก หลักการของเราคืออายุ" เว็บเพจของ VAC ระบุ แพลตฟอร์มสามารถจำลองการแทรกแซงรวมถึง การยับยั้งเป้าหมายยาและการน็อกเอาต์ยีน โดยสร้างการตอบสนองแบบ multi-omics ที่คาดการณ์ไว้ในอายุที่แตกต่างกัน ช่วยให้นักวิจัยทดสอบสมมติฐานเกี่ยวกับการปรับเปลี่ยนความแก่ในซิลิโก ก่อนการทดลองในห้องแล็บ

สายเลือด PreciousGPT: โมเดลรากฐาน 3 เจนเนอเรชัน

VAC สร้างขึ้นบนซีรีส์ Precious หรือ "Large Language of Life Models" (LLoLM) ของ Insilico โดยตรง ซึ่งพัฒนามาหลายปี :

• Precious1GPT (ตีพิมพ์ มิ.ย. 2023) — ทรานส์ฟอร์มเมอร์แบบ multimodal ที่ฝึกบนข้อมูล transcriptomic และ methylation สำหรับ การพยากรณ์อายุทางชีวภาพ และการค้นหาเป้าหมายที่เกี่ยวข้องกับความแก่ ใช้สถาปัตยกรรม transformer regressor/classifier อย่างง่าย Precious1GPT เป็นโมเดลรากฐานที่แสดงให้เห็นครั้งแรกถึงความสามารถในการพยากรณ์อายุจากข้อมูล multi-omics และระบุเป้าหมายการรักษาแบบสองวัตถุประสงค์ที่เกี่ยวข้องกับความแก่และโรคที่สัมพันธ์กับอายุ

• Precious2GPT (ตีพิมพ์ ส.ค. 2024) — โมเดลแบบผสมผสานระหว่างทรานส์ฟอร์มเมอร์และ สถาปัตยกรรม conditional diffusion สำหรับการ สร้างข้อมูลสังเคราะห์ แบบ multi-omics, หลายสปีชีส์, หลายเนื้อเยื่อ และการพัฒนา aging clock ตีพิมพ์ใน Nature npj Aging Precious2GPT สามารถสร้างข้อมูล multi-omics ที่สมจริงโดยมีเงื่อนไขเป็นอายุ สปีชีส์ และชนิดเนื้อเยื่อ โดยมีประสิทธิภาพเหนือกว่า conditional generative adversarial networks

• Precious3GPT (เผยแพร่ ก.ค. 2024) — โมเดลล่าสุดและก้าวหน้าที่สุดในซีรีส์ เป็นโมเดลทรานส์ฟอร์มเมอร์แบบ multimodal อย่างแท้จริงที่มีพารามิเตอร์ 175.1 พันล้าน ฝึกบนข้อมูล omics 1.2 ล้านจุด, knowledge graph และข้อความชีวการแพทย์จาก PubMed Precious3GPT สามารถทำงานได้หลายอย่าง: การพยากรณ์อายุข้ามสปีชีส์ การค้นหาเป้าหมาย การพยากรณ์ความไวของยา และการจำลอง workflows ของการศึกษา case-control โดยเน้นที่ การรบกวนทางเคมี จากสาร geroprotector 22 ชนิดที่คัดกรองด้วย Precious3GPT พบว่า 8 ชนิดมีฤทธิ์ senomorphic หรือ senolytic ในแบบจำลอง senescence ในหลอดทดลอง

VAC คือก้าวถัดไปจาก Precious3GPT — แพลตฟอร์มหลายเอเจนต์ที่ประสานความสามารถ AI เหล่านี้เพื่อจำลองความแก่ในระดับเซลล์ แทนที่จะแค่พยากรณ์อายุหรือสร้างโปรไฟล์ omics

ไพพ์ไลน์ทางคลินิก: Rentosertib และพอร์ตโฟลิโอยาที่ค้นพบด้วย AI

Rentosertib (ISM001-055) — ตัวยับยั้ง TNIK ที่ค้นพบด้วย AI เป็นรายแรกในระดับเดียวกัน สำหรับโรคพังผืดในปอดที่ไม่ทราบสาเหตุ (IPF) การทดลอง Phase IIa GENESIS-IPF ซึ่งเป็นการศึกษาแบบสุ่ม ปกปิดสองด้าน ควบคุมด้วยยาหลอก ใน 22 แห่งทั่วจีน แสดงให้เห็นความปลอดภัยและความทนทานที่จัดการได้ โดยกลุ่มที่ได้รับ 60 มก. วันละครั้งพบ ค่าเฉลี่ยการทำงานของปอดดีขึ้น +98.4 มล. ที่ 12 สัปดาห์ เทียบกับกลุ่มยาหลอกที่ลดลงเฉลี่ย -20.3 มล. ผลลัพธ์ตีพิมพ์ใน Nature Medicine (Impact Factor 58.7) และนำเสนอที่ American Thoracic Society (ATS) 2025 International Conference Phase IIa เสร็จสมบูรณ์ และ Insilico เริ่มการทดลอง Phase III ในเดือนกรกฎาคม 2026 โดยคาดว่าจะมีผู้ป่วยรายแรกเข้าร่วมภายในกันยายน 2025 ผู้ป่วยรายสุดท้ายภายในพฤศจิกายน 2028 และผลลัพธ์เริ่มต้นคาดว่าจะได้ภายในธันวาคม 2029 สูตรสูดดมของ Rentosertib ยังได้รับ IND clearance จากสำนักงานคณะกรรมการอาหารและยาแห่งชาติจีน (CDE) ในเดือนเมษายน 2026

ISM6331 — ตัวยับยั้ง pan-TEAD ชนิดใหม่ที่ออกแบบด้วย AI สำหรับมะเร็งเยื่อหุ้มปอดชนิดเนื้อร้ายที่ไม่สามารถผ่าตัดได้ FDA ให้สถานะ Fast Track Designation เมื่อวันที่ 29 กรกฎาคม 2026 — ถือเป็น FTD ครั้งแรกของ Insilico — สำหรับผู้ป่วยผู้ใหญ่ที่โรคดำเนินไปหลังการรักษาด้วย anti-PD-1 antibody ครั้งก่อน โดยมีหรือไม่มียา anti-CTLA-4 และเคมีบำบัดแบบ platinum ข้อมูลการทดลอง Phase I แรกในมนุษย์ได้รับการตอบรับให้นำเสนอแบบ Rapid Oral ที่การประชุม ESMO 2026 ที่มาดริด

ข้อควรระวังสำคัญ: VAC ยังเป็นแค่เทคโนโลยีตัวอย่าง

สิ่งสำคัญคือต้องทราบว่าแพลตฟอร์ม VAC เป็น เทคโนโลยีตัวอย่าง (technology preview) ไม่ใช่ระบบที่ผ่านการตรวจสอบอย่างสมบูรณ์ เว็บเพจของบริษัทเองระบุว่า "อยู่ระหว่างการพัฒนา" และนำเสนอเป็นการสาธิตแนวคิดเป็นรายแรกของอุตสาหกรรม มากกว่าเป็นเครื่องมือที่ผ่านการตรวจสอบและปรับใช้แล้ว ยังไม่มีการศึกษา peer-reviewed สำหรับ VAC เองที่ตีพิมพ์จนถึงปัจจุบัน แพลตฟอร์มอนุญาตให้ผู้ใช้สำรวจแนวคิดและให้ข้อเสนอแนะ แต่ยังไม่ผ่านการตรวจสอบอย่างเข้มงวดที่จะต้องใช้ในการกำกับดูแลหรือทางคลินิก

บริบทกว้างขึ้น: ความแก่ในฐานะเลนส์ค้นหายา

แนวทางของ Insilico มีรากฐานมาจากแนวคิดที่ว่าความแก่คือตัวขับเคลื่อนโรคต่างๆ "การใช้ความแก่เป็นวิธีการระบุโรค Insilico ได้ฝึก AI ให้ทำในสิ่งที่มันทำได้ดีที่สุด — นำข้อมูลจำนวนมากจากหลายองค์ประกอบเพื่อระบุเป้าหมายใหม่และโมเลกุลใหม่" บริษัทระบุ โดยการฝังอายุทางชีวภาพเป็นพารามิเตอร์หลักในแพลตฟอร์ม VAC บริษัทตั้งเป้าสร้างกรอบการคำนวณแบบครบวงจรที่ชีววิทยาของความแก่ทำหน้าที่เป็นรากฐานสำหรับการระบุการแทรกแซงที่สามารถปรับเปลี่ยนทั้งความแก่และโรคที่สัมพันธ์กับอายุ

แพลตฟอร์ม VAC แสดงถึงความก้าวหน้าทางแนวคิดที่สำคัญในชีววิทยาเชิงคำนวณ แต่ประโยชน์ในทางปฏิบัติยังคงต้องแสดงให้เห็นผ่านการตรวจสอบแบบ peer-reviewed และการทำซ้ำอย่างอิสระ