Insilico 预览了可对生物年龄建模的虚拟细胞研究

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.

Insilico Medicine 在 X 上

在那则帖子中，Insilico Medicine 表示正把生物年龄引入其虚拟细胞工作。Insilico 描述了一个 Virtual Aging Cell 网页和一个多代理生成平台，尽管从提供的材料无法确定发帖日期。该工作与 Alex Zhavoronkov (@biogerontology)——Insilico Medicine 的创始人兼 CEO——的研究兴趣紧密吻合。

Insilico 将这些材料呈现为研究方向的预览，而非已文档化的商业发布。

这个想法与 Zhavoronkov 的工作异常贴合。在 2014 年创办 Insilico 之前，他曾在 ATI Technologies 从事图形处理工作，随后转入生物信息学和老化研究。Insilico 的 投资者关系简介 列出了他来自 Queen's University 的两个学士学位、来自 Johns Hopkins University 的生物技术硕士学位以及来自 Moscow State University 的物理与数学博士学位。

生物年龄是否能改善虚拟细胞预测或药物开发决策，仍然是检验该概念的核心问题。

帖子将年龄作为模型变量

虚拟细胞系统旨在预测细胞在遭遇基因编辑、疾病过程或化学化合物时会发生什么。加入生物年龄会使任务更困难，同时也可能使模型更有用。具备年龄感知能力的模型可以让研究者询问：随着细胞变老，一个靶点是否变得更相关，某种分子在不同生物年龄状态下是否产生不同效应，或一种干预是否改变了衰老特征谱而不会将细胞推向不安全状态。这些用途在证据表明模拟能对未见过的细胞和扰动做出与实验结果一致的预测之前，仍属于前瞻性设想。

Insilico 已经构建了可围绕此类模型运作的部分组件。2026 年，Insilico 推出了 PandaClaw，这是其 PandaOmics 靶点发现系统内的一个自然语言代理。Insilico 表示 PandaClaw 可以利用科研技能和生物信息学工具，基于多组学数据集和生物数据库，组装多步分析。

Insilico 的 LabClaw 系统 将代理模型扩展到物理实验。Insilico 表示 LabClaw 使用协作代理和专业模块来协同进行靶点选择、化合物筛选、细胞培养、测序、质量控制和其 Life Star 自动化实验室内的分析。人在关键操作点仍保留审批权。

将一个具备年龄感知的虚拟细胞与这些系统连接起来，将形成更长的反馈回路。代理可以生成假设、模拟依赖年龄的效应、选择实验并将湿实验结果返回给模型。其战略价值在于决定哪些实验值得投入物理资源——在错误代价高昂且生物组合迅速膨胀的情况下，这一点尤为重要。

Zhavoronkov 正在汇集数据、代理和实验室反馈

此外，Insilico 宣布了与 Human Longevity 于 2026 年 5 月 26 日的合作，以开发用于长寿科学的基础模型。根据双方说法，该项目将 Insilico 的模型训练与评估系统与来自数千人的去标识化多组学、成像和纵向健康数据相结合。该合作反映了 Zhavoronkov 在计算老化领域的更广泛推进。

Insilico 也有一个药物开发项目，届时其建模主张可以被检验。Insilico 已发表的关于 rentosertib（用于特发性肺纤维化的 TNIK 抑制剂）的 Phase IIa 研究，为其 AI 驱动的发现工作流提供了一个临床测试。

该已发表的 Phase IIa 研究 为 Insilico 的发现流程提供了临床基准。更晚期的测试必须确定所报告的结果是否能转化为临床上有意义的获益。

该临床项目为 Zhavoronkov 的计算工作提供了一个实际的目标。Insilico 正试图将对疾病和衰老的日益详细的表征，与能够经受住实验室测试和人体试验检验的分子相连接。Insilico 的代理旨在协调这些阶段之间的步骤。

虚拟细胞正在成为一场数据竞赛

Insilico 帖子中描述的研究方向将其置于一个活跃的领域。Recursion 结合了大规模干扰数据集、表型组学、转录组学、自动化实验室和高性能计算，致力于构建虚拟细胞。Tahoe Therapeutics 正在构建一个旨在绘制一百万药物-患者相互作用的十亿细胞数据集。Turbine 使用实验室反馈来训练用于肿瘤学和免疫学研究的虚拟测定。

这些努力为 Insilico 设定了苛刻的标准。以老化为中心的虚拟细胞需要纵向或按年龄分层的生物学数据、对训练中排除的实验能够做出可靠预测、能提供不确定性估计并有回到物理验证的路径。生物年龄还需要精确定义：不同的时钟和分子测量方法可能会对同一样本给出不同的年龄判定。

Zhavoronkov 用了 12 年时间来围绕计算药物发现构建系统。Insilico 运营着靶点发现软件、生成化学工具、科研代理、自动化实验室和内部临床管线。Insilico 帖子中描述的概念可以将衰老生物学贯穿于该技术栈。其价值将取决于 Insilico 能否证明，具备年龄感知的模拟会改变药物决策并产生在实验室中经得起考验的结果。