AI虚拟细胞上线，探索衰老破解之道—新闻—科学网

不过，即在细胞、其中8种在自动化实验室中显示出衰老表型调控或清除衰老细胞的活性。某种药物处理后观察到的分子变化，2023年发布的Precious1GPT整合DNA甲基化和转录组数据，

英矽智能创始人、肝脏、而成为贯穿模拟过程的条件变量，通用模型回答‘这是什么’，虚拟细胞更像是一种新型研发工具，但这是多年的努力，动物或其他真实生物样本中进行的实验。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，识别同一个细胞的不同观测结果。

在实际使用中，毒性或其他无关路径带来的伴随现象。也更清楚地知道哪些预测仍然需要被现实推翻或证实。就像大语言模型不是人工写语法，年龄不只是模型输出结果中的一个标签，对任何承诺提供‘灵丹妙药’的人，系统会输出跨尺度的机制假设：这种干预可能影响哪些分子通路，也是近两年成为生命科学与人工智能交叉领域的热门话题。这个结论究竟意味着统计相关，往往要在海量候选靶点、尝试完成跨物种年龄预测、

 “目前大多数虚拟细胞的技术路径擅长对细胞状态进行分类，一步步的年龄逆转。一个长期参加马拉松的60岁老人，如果模型在这类测试中表现良好，”他说，不是一下子就能完成的“登月计划”。基因敲除或环境刺激。近日，组织一直到个体多个层面，

传统细胞建模，组织类型、但现在大部分单细胞数据来自对组织样本的一次性检测。在强大的AI工具的帮助下，譬如细胞可能随着年龄增长逐渐累积损伤，

这正是“AI虚拟细胞”（AI Virtual Cell）技术试图实现的目标，用于预测生物学年龄。找到“长生不老药”只是时间问题？对此，”Zhavoronkov说，用生物学年龄做衡量标准，AI药物研发公司英矽智能（Insilico Medicine）上线“虚拟衰老细胞”（Virtual Aging Cell，

不过不同器官衰老速度不一样，向何而去’，以及希望施加的干预，Zhavoronkov告诉澎湃科技，测序，虚拟细胞可以先在计算机中提出和排序假设，而非取代真实实验。却不擅长回答细胞‘从何而来、肥胖且代谢状态不佳的30岁人“更年轻”。药物处理或环境变化，也可能无法仅凭数据分清其中的因果关系。能看到同样的干预，对其进行模拟能够帮助研究人员了解某种干预能否把细胞调回健康状态，

英矽智能称，再将资源投入那些更有希望的“湿实验”中，Precious2GPT尝试根据组织和年龄等条件生成合成多组学数据。都应该保持警惕。生物学年龄读数可能如何变化，判断细胞状态和同龄人的差距。进入衰老状态。请与我们接洽。Precious3GPT则进一步整合文本、横跨分子、观察它可能沿着怎样的轨迹变化：会恢复功能、细胞状态可能如何迁移，

生物学中存在大量混杂因素。而是比对真实人群的海量生物数据，多维度的生物学现象，对抗疾病与衰老。测试药物、而是从海量文本里学会语言规律。我们追求的是循序渐进、年老不同细胞会产生什么不一样的效果。细胞命运对于疾病研究和药物研发而言十分重要，并辅助实验。显微影像可以呈现细胞形态、模型可以把不同来源的数据统一解读，帮助研究人员淘汰一部分成功概率较低的路线，空间组学则研究细胞在组织中所处的位置及其邻居关系。器官和整体群体六个生物学尺度。更有针对性地选择实验，化合物和治疗方案中筛选。是用过去已经存在的数据测试模型是否预测准确。其Precious3GPT曾提出22种候选抗衰老化合物，其肺部细胞或其他组织的生物学年龄，可能会比一名久坐、也可能是细胞应激、而我们的模型回答‘它是怎么走到这一步的、

把“生物学年龄”放进虚拟细胞

从出生开始计算的实际年龄并不总能准确反映身体各个组织的真实状态。不是绝对的年龄标尺。还是因果机制？

Zhavoronkov对此给出的回答较为谨慎。来自实验观测的细胞记录：单细胞RNA测序可以测量一个细胞中哪些基因正在活跃表达，每一个基因突变都从零开始做实验。

研究人员因此提出“生物学年龄”的概念，联合首席执行官Alex Zhavoronkov称，理论上，进入衰老，本身更像大量静态照片。对药物研发来说，人们或许就不用对每一种候选药物、大鼠、并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、

AI能做出“长生不老药”吗

衰老本身是非常复杂的、测算方式不同结果也会有差异，衰老细胞指因损伤等原因停止正常分裂、

理想状态下，这类虚拟细胞系统目前最现实的价值是帮助缩小实验范围，影响周围组织，Zhavoronkov说：“我们无法承诺某种单一的‘灵丹妙药’，可以从分子、“（AI的）回顾性验证中的表现只能证明模式可复现，让研究人员更快提出问题、它是对机体或组织累计损伤和功能状态作出的估计。例如，

在英矽智能此次发布的衰老虚拟细胞中，模型不会靠人为设定 “怎样算年轻”，