Insilico presenta un adelanto de investigación con células virtuales que modela la edad biológica
Insilico presenta un concepto Virtual Aging Cell que añade edad biológica a las simulaciones celulares, aunque la fecha de publicación no está clara.
By RuntimeWire Staff · Published
Primary source: Insilico Medicine on X
Why it matters
An age-aware virtual-cell model could help researchers study diseases whose mechanisms and drug responses change over time. Its significance will depend on evidence that the simulations predict wet-lab results and improve drug-development decisions.
En esa publicación, Insilico Medicine dice que está introduciendo la edad biológica en su trabajo de célula virtual. Insilico describe una página web Virtual Aging Cell y una plataforma de generación multiagente, aunque no fue posible establecer la fecha de la publicación a partir del material suministrado. El trabajo sigue de cerca los intereses de investigación de Alex Zhavoronkov (@biogerontology), fundador y CEO de Insilico Medicine.
Insilico presenta el material como un adelanto de una dirección de investigación más que como un lanzamiento comercial documentado.
La idea encaja de forma inusualmente cercana con el trabajo de Zhavoronkov. Antes de fundar Insilico en 2014, trabajó en procesamiento gráfico en ATI Technologies y luego pasó a la bioinformática y la investigación del envejecimiento. La biografía de relaciones con inversionistas de Insilico enumera dos licenciaturas de Queen's University, una maestría en biotecnología de Johns Hopkins University y un doctorado en física y matemáticas de Moscow State University.
Si la edad biológica puede mejorar las predicciones de la célula virtual o las decisiones de desarrollo de fármacos sigue siendo una prueba central para el concepto.
La publicación planteó la edad como una variable del modelo
Los sistemas de células virtuales buscan predecir qué ocurre cuando una célula encuentra una edición genética, un proceso patológico o un compuesto químico. Añadir la edad biológica haría la tarea más difícil y podría hacer los modelos más útiles. Un modelo que incorpore la edad biológica podría permitir a los investigadores preguntar si un objetivo se vuelve más relevante conforme la célula envejece, si una molécula produce efectos distintos según los estados de edad biológica, o si una intervención desplaza una firma de envejecimiento sin empujar a la célula hacia un estado inseguro. Esos usos siguen siendo prospectivos hasta que la evidencia muestre que las simulaciones predicen resultados experimentales en células y perturbaciones no vistas.
Insilico ya ha construido piezas que podrían rodear a tal modelo. En 2026, Insilico lanzó PandaClaw, un agente de lenguaje natural dentro de su sistema de descubrimiento de objetivos PandaOmics. Insilico dice que PandaClaw puede ensamblar análisis de múltiples pasos usando habilidades científicas y herramientas de bioinformática, basándose en conjuntos de datos multi-ómicos y bases de datos biológicas.
El sistema LabClaw de Insilico lleva el modelo agente a experimentos físicos. Insilico afirma que LabClaw usa agentes colaboradores y módulos especialistas para coordinar la selección de objetivos, cribado de compuestos, cultivo celular, secuenciación, control de calidad y análisis dentro de su laboratorio automatizado Life Star. La aprobación humana sigue siendo necesaria en puntos críticos de operación.
Conectar una célula virtual consciente del envejecimiento a esos sistemas crearía un ciclo de retroalimentación más largo. Los agentes podrían generar una hipótesis, simular efectos dependientes de la edad, seleccionar un experimento y devolver el resultado del laboratorio al modelo. El valor estratégico reside en decidir qué experimentos merecen recursos físicos, donde los errores son costosos y las combinaciones biológicas se multiplican rápidamente.
Zhavoronkov está reuniendo datos, agentes y retroalimentación de laboratorio
Por separado, Insilico anunció el 26 de mayo de 2026 una colaboración con Human Longevity para desarrollar modelos fundacionales para la ciencia de la longevidad. Ese proyecto combina los sistemas de entrenamiento y evaluación de modelos de Insilico con datos desidentificados multi-ómicos, de imagen y de salud longitudinal de miles de personas, según los socios. La colaboración refleja el impulso más amplio de Zhavoronkov hacia el envejecimiento computacional.
Insilico también cuenta con un programa de desarrollo de fármacos frente al cual sus afirmaciones de modelado pueden finalmente juzgarse. El estudio de fase IIa publicado de Insilico sobre rentosertib, un inhibidor de TNIK para fibrosis pulmonar idiopática, ofrece una prueba clínica de su flujo de trabajo de descubrimiento impulsado por IA.
El estudio de fase IIa publicado proporciona un punto de referencia clínico para el proceso de descubrimiento de Insilico. Las pruebas en etapas posteriores deben determinar si el resultado reportado se traduce en un beneficio clínico significativo.
Ese programa clínico da al trabajo computacional de Zhavoronkov un destino práctico. Insilico intenta conectar representaciones cada vez más detalladas de la enfermedad y el envejecimiento con moléculas que puedan superar las pruebas de laboratorio y los ensayos en humanos. Los agentes de Insilico están destinados a coordinar los pasos entre esas etapas.
Las células virtuales se están convirtiendo en una competencia de datos
La dirección de investigación descrita en la publicación de Insilico lo sitúa en un campo activo. Recursion combina grandes conjuntos de datos de perturbaciones, fenómica, transcriptómica, laboratorios automatizados y computación de alto rendimiento en su esfuerzo por construir una célula virtual. Tahoe Therapeutics está construyendo un conjunto de datos de mil millones de células destinado a mapear un millón de interacciones fármaco-paciente. Turbine utiliza la retroalimentación de laboratorio para entrenar ensayos virtuales para investigación en oncología e inmunología.
Esos esfuerzos establecen un estándar exigente para Insilico. Una célula virtual centrada en el envejecimiento necesitaría datos biológicos longitudinales o estratificados por edad, predicciones fiables sobre experimentos excluidos del entrenamiento, estimaciones de incertidumbre y una vía de regreso hacia la validación física. La edad biológica también requiere una definición precisa: diferentes relojes de envejecimiento y mediciones moleculares pueden asignar edades distintas a la misma muestra.
Zhavoronkov ha pasado 12 años reuniendo sistemas alrededor del descubrimiento computacional de fármacos. Insilico opera software de descubrimiento de objetivos, herramientas de química generativa, agentes científicos, laboratorios automatizados y una vía clínica interna. El concepto descrito en la publicación de Insilico podría conectar la biología del envejecimiento a lo largo de toda esa pila. Su valor dependerá de si Insilico puede demostrar que la simulación sensible a la edad cambia una decisión sobre un fármaco y produce un resultado que se mantiene en el laboratorio.