Всередині віртуальної клітини старіння: як багатоагентна платформа Insilico Medicine моделює старіння на шести біологічних рівнях

Більшість моделей віртуальних клітин «заморожують» біологію в один момент часу — це детальна фотографія чогось, що ніколи не стоїть на місці. Платформа Virtual Aging Cell (VAC) від Insilico Medicine пропонує принципово інший підхід, роблячи біологічний вік першорядним вхідним параметром, а не приміткою на краю набору даних . Запущена як технологічний прев’ю 14 серпня 2026 року, VAC описується як «перша в галузі багатоагентна платформа віртуальних клітин», яка моделює, як стан клітини динамічно змінюється з віком на шести взаємопов’язаних біологічних рівнях .

У чому унікальність VAC: Біологічний вік як головна змінна

Традиційні моделі віртуальних клітин імітують клітину в один момент часу. VAC робить вік ключовою умовою: користувач може задати вид, тканину, вік і хімічну сполуку, а система прогнозує відповідь на рівні транскриптому, протеому та метилювання . Платформа координує роботу понад 30 спеціалізованих AI-агентів, які діють на шести біологічних рівнях — молекулярному, внутрішньоклітинному, міжклітинному, тканинному, органному та організмовому, при цьому головні агенти передають сигнали в обох напрямках між рівнями .

«Кожна модель потребує першопринципу. Наш першопринцип — це вік», — стверджується на вебсторінці VAC . Платформа моделює такі втручання, як інгібування мішені препаратом і нокаут генів, генеруючи прогнозовані мультиоміксні відповіді за різного біологічного віку. Це дозволяє дослідникам перевіряти гіпотези про модуляцію старіння in silico перед проведенням лабораторних експериментів .

Лінійка PreciousGPT: Три покоління фундаментальних моделей

VAC безпосередньо спирається на серію моделей Precious — «Великі моделі мови життя» (LLoLM), які розроблялися протягом кількох років :

• Precious1GPT (опублікована в червні 2023 року) — Мультимодальний трансформер, навчений на даних транскриптоміки та метилювання для прогнозування біологічного віку та ідентифікації мішеней, пов’язаних зі старінням, використовуючи просту архітектуру трансформер-регресор/класифікатор . Precious1GPT стала фундаментальною моделлю, яка вперше продемонструвала здатність передбачати вік на основі мультиоміксних даних та визначати терапевтичні мішені подвійного призначення, що беруть участь у старінні та вікових захворюваннях .

• Precious2GPT (опублікована в серпні 2024 року) — Комбінована модель, що об’єднує трансформер і умовну дифузійну архітектуру для багатовидової та багатотканинної генерації синтетичних даних та розробки годинників старіння . Опублікована в журналі Nature npj Aging, Precious2GPT могла генерувати реалістичні мультиоміксні дані з урахуванням віку, виду та типу тканини, перевершуючи умовні генеративно-змагальні мережі .

• Precious3GPT (випущена в липні 2024 року) — Найновіша та найпотужніша модель у серії. Описується як справді мультимодальний трансформер із 175,1 мільярда параметрів, навчений на 1,2 мільйона точок даних оміксів, графах знань та біомедичних текстах з PubMed . Precious3GPT здатна виконувати кілька завдань: прогнозування віку різних видів, пошук мішеней, прогнозування чутливості до ліків та емуляцію робочих процесів досліджень «випадок-контроль» із фокусом на хімічних збуреннях . Із 22 геропротекторів, відібраних за допомогою Precious3GPT, 8 продемонстрували сеноморфну або сенолітичну активність у модельній системі старіння in vitro .

VAC є наступним кроком після Precious3GPT — багатоагентною платформою, яка координує ці AI-можливості для моделювання старіння на рівні окремої клітини, а не просто для прогнозування віку чи генерації оміксних профілів .

Клінічний портфель: Рентосертиб та портфель ліків, відкритих за допомогою AI

Рентосертиб (ISM001-055) — Перший у своєму класі інгібітор TNIK, відкритий за допомогою AI, для лікування ідіопатичного легеневого фіброзу (IPF). Дослідження Phase IIa GENESIS-IPF, рандомізоване подвійне сліпе плацебо-контрольоване дослідження в 22 центрах Китаю, продемонструвало контрольовану безпеку та переносимість. У групі, яка отримувала 60 мг один раз на добу, спостерігалося середнє покращення форсованої життєвої ємності легень (FVC) на +98,4 мл через 12 тижнів, порівняно зі зниженням у середньому на -20,3 мл у групі плацебо . Результати були опубліковані в журналі Nature Medicine (імпакт-фактор 58,7) та представлені на Міжнародній конференції Американського торакального товариства (ATS) 2025 року . Phase IIa завершено, і Insilico ініціювала дослідження Phase III у липні 2026 року, очікуючи на першого пацієнта до вересня 2025 року, останнього — до листопада 2028 року, а перші результати — до грудня 2029 року . Інгаляційний розчин рентосертибу також отримав дозвіл IND від Національного управління медичної продукції Китаю (CDE) у квітні 2026 року .

ISM6331 — Новий інгібітор пан-TEAD, розроблений AI, для лікування нерезектабельної злоякісної мезотеліоми плеври. FDA надало статус Fast Track 29 липня 2026 року — перший такий статус для Insilico — для дорослих пацієнтів, чиє захворювання прогресувало після попередньої терапії антитілами до PD-1, з терапією анти-CTLA-4 або без неї, та хіміотерапії на основі платини . Дані першого дослідження на людях (Phase I) були прийняті для усної презентації на конференції ESMO 2026 у Мадриді .

Важливе застереження: VAC залишається технологічним прев’ю

Вкрай важливо зазначити, що платформа VAC є технологічним прев’ю, а не повністю валідованою системою. На власній вебсторінці компанії зазначено, що вона «в стадії розробки» і розглядається як перша в галузі демонстрація концепції, а не як валідований, готовий до використання інструмент . На сьогодні не опубліковано жодних рецензованих досліджень, що підтверджували б валідність самої платформи VAC . Платформа дозволяє користувачам вивчити концепцію та надати зворотний зв’язок, але вона ще не пройшла суворої валідації, необхідної для регуляторного або клінічного використання.

Ширший контекст: Старіння як лінза для відкриття ліків

Підхід Insilico базується на ідеї, що старіння є основною причиною багатьох захворювань. «Використовуючи старіння як спосіб ідентифікації хвороб, Insilico навчила AI робити те, що він робить найкраще — брати величезні обсяги даних з багатьох компонентів для визначення нових мішеней і нових молекул», — йдеться у заяві компанії . Вбудовуючи біологічний вік як ключовий параметр у платформу VAC, компанія прагне створити єдину обчислювальну структуру, де біологія старіння слугуватиме основою для визначення втручань, здатних модулювати як старіння, так і вікові захворювання .

Платформа VAC є значним концептуальним проривом у обчислювальній біології, однак її практична цінність ще має бути продемонстрована через рецензовану валідацію та незалежне відтворення результатів.