英矽智能在Cell封面论文中开放长寿研究AI工具包

该论文为全球科学界介绍了三种相互关联的资源：

• LongevityBench，首个旨在严格评估 AI 在衰老生物学多个领域推理能力的开放基准；
• Longevity-LLMs，一系列紧凑的开源语言模型，专门基于临床和多组学衰老数据进行训练；以及
• Longevity Claw，一个开源智能体研究平台，可自主整合专业长寿工具，以识别并优先排序潜在治疗靶点。

马萨诸塞州剑桥，2026年9月17日 — Insilico Medicine（“Insilico”；港交所：3696），一家由生成式人工智能（AI）驱动的临床阶段生物技术公司，今日宣布在 Cell 上发表一项里程碑式研究，介绍了一套开放 AI 工具包，包括 LongevityBench、Longevity-LLMs 和 LongevityClaw，旨在加速衰老与长寿领域的研究及治疗开发。

该研究被选为该刊2026年9月17日期的封面专题，是与来自 Liquid AI、巴克衰老研究所、哈佛医学院和布莱根妇女医院的研究人员合作开展的。

此次发表紧随 Insilico 于2026年9月7日在 Nature Biotechnology 上发表的研究，该研究报告称，rentosertib——Insilico 通过 AI 发现并设计的特发性肺纤维化候选药物——在一项 IIa 期临床试验中降低了六种独立蛋白质组衰老时钟所测得的生物学年龄。

这两项研究共同将一款 AI 发现疗法的临床证据与一套开放研究基础设施连接起来，旨在帮助科学家识别并开发下一代长寿干预措施。

“Insilico 处于长寿研究的前沿。我们近期发表在 rentosertib 上、刊于 Nature Biotechnology 的工作表明，一款 AI 设计的药物可以调节生物学衰老特征。在我们的 Cell 封面论文中，我们在此基础上，通过 LongevityBench、Longevity LLM 和 Longevity Claw 等工具赋能全球科学界，帮助将 AI 转变为长寿发现的自主引擎。

长寿领域正在超越静态衰老时钟，迈向能够生成可测量、可操作见解的基础模型。我们正在开发经过基准测试的智能体系统，这些系统可以演变为个性化长寿助手和长寿伴侣，最终帮助人们监测并改善健康寿命。该系统有潜力通过加速靶点识别、实现更个性化的干预以及改善人群层面的健康结果，来变革长寿医学、药物发现、保险和公共卫生。”Insilico Medicine 创始人兼联席首席执行官 Alex Zhavoronkov 博士表示。

评估衰老生物学中 AI 的新标准

衰老由复杂且相互关联的生物学过程驱动，这些过程跨越人类生物学的多个层面。理解这些过程需要研究人员将临床记录与遗传学、表观遗传学、转录组学、蛋白质组学及其他大规模生物学数据集整合起来。

尽管通用大型语言模型在许多科学任务中表现出色，但它们在真实世界衰老数据上进行可靠推理的能力在很大程度上仍未得到检验。现有评估也常常奖励对科学事实的记忆，而非解读新的生物学测量结果或得出基于证据的结论的能力。

为弥补这一空白，研究团队开发了 LongevityBench，这是一个开放基准，专门用于确定 AI 系统能否在定义人类衰老的多种数据模态之间进行推理。

LongevityBench 在五个主要生物学领域评估 AI 表现：

• 临床数据
• 遗传学
• 表观遗传学
• 转录组学
• 蛋白质组学

该基准的设计旨在降低模型仅通过回忆训练中遇到的信息就能取得成功的可能性。相反，它测试的是 AI 系统分析生物学数据、识别有意义的模式并解决与衰老研究相关问题的能力。

研究人员评估了 18 个领先的前沿 AI 系统，包括 OpenAI、Google、Anthropic、xAI、DeepSeek 和 Moonshot AI 开发的模型。分析揭示了各生物学领域之间存在显著的表现差距。没有任何单一前沿模型在所有五种数据类型上都取得最强结果。模型表现还随问题措辞方式的不同而显著变化，凸显出稳健性不足，这可能限制通用 AI 系统在科学研究中的可靠性。

最困难的挑战是直接从组学测量中预测生物学年龄。即使最大的前沿模型也难以完成这一任务，这表明仅靠模型规模不足以产生一致的生物学推理。

紧凑型长寿模型优于前沿 AI 系统

为确定这些局限能否在不依赖前沿规模计算资源的情况下被克服，研究人员开发了一个由五个紧凑型开源 长寿大型语言模型（L-LLM）组成的系列。

这些模型的参数规模从 6 亿到 90 亿不等，并使用 Insilico 的 MMAI Gym for Science（一个旨在开发科学应用专用 AI 系统的训练与评估框架）在衰老特异性临床和多组学数据上进行了微调。

该系列基于 Liquid AI 和阿里巴巴的开放模型架构构建，包括 Liquid AI 的 LFM2 架构以及阿里巴巴的 Qwen3 和 Qwen3.5 模型系列。

尽管规模相对较小，这些专门的长寿 LLM 在 LongevityBench 上达到或超过了所评估的全部 16 个前沿系统。

表现最佳的模型 L-Qwen3.5-9B 在该研究纳入的全部 26 个 AI 系统中取得了最高总分，优于所有受测前沿模型，包括 Google 的 Gemini 3.1-Pro，而其所用参数量仅为其一小部分。

即使是最小的专用模型，参数约为 6 亿，也优于大多数受测前沿系统。

结果表明，对于专门的生物学应用而言，精心筛选的科学训练数据和领域特定优化可能比模型规模更重要。紧凑型模型还可能为研究机构带来实际优势，降低计算需求，并支持在本地基础设施上更安全、更具成本效益地部署。

从基准测试到自主靶点发现

为证明这些模型能够支持超越基准性能的实际研究，团队将 L-Qwen3.5-9B 嵌入到 Longevity Claw 中，这是一个新发布的开源衰老研究智能体平台。

Longevity Claw 将专用语言模型与科学工具相结合，用于：

• 基因集富集分析
• 生物学衰老时钟计算
• 群体水平分析
• 证据检索与综合
• 候选靶点评估与优先级排序

该平台的设计旨在超越传统的聊天机器人界面。Longevity Claw 不仅能回答单个问题，还能制定并执行多步骤研究流程，使用专门的分析工具，评估中间发现，并为候选生物学靶点汇集证据。

研究人员将该平台部署于 14 个公认的衰老标志，使其能够研究涉及年龄相关衰退的多个相互关联机制。通过这一自主工作流程，Longevity Claw 提名了 328 个基因作为衰老干预的潜在靶点。

与一个独立发表的、经实验支持的衰老相关靶点参考集相比，Longevity Claw 提名的候选靶点显示出高达 5.6 倍的统计学显著富集，支持了该平台结果的生物学相关性。

其中一个被提名的基因 KDM1A，在另一项已发表研究中被独立验证为兼具衰老和癌症双重作用的靶点。在该研究中，调节 KDM1A 延长了秀丽隐杆线虫的寿命。这一独立发现提供了早期迹象，表明该平台能够发现此前可能未被优先考虑用于长寿药物发现的、具有生物学可信度的靶点。

向科学界开放 AI 长寿研究

该论文进一步展示了 Insilico 推进制药超级智能的更广泛承诺。Insilico 正在发布基准、专用模型、训练资源、评估代码和 Longevity Claw 平台，以便全球研究人员进行独立测试、验证和进一步开发。

通过公开这些资源，Insilico 及其合作者旨在为衡量 AI 赋能衰老研究的进展提供共同基础。这一开放框架还可能帮助科学家区分那些展示真正生物学推理的系统与那些主要复现其训练数据中所含信息的系统。

获取开源资源：

• LB 数据集与 L-LLMs 合集（Hugging Face）： https://huggingface.co/collections/insilicomedicine/longevity-llm
• Longevity Claw 代码库（GitHub）： https://github.com/Insilico-org/longeclaw
• 公开排行榜： https://longevitybenchmarks.org

近日，Insilico报告2026年上半年总收入约1.06亿美元，同比增长287%，并实现上市以来首个盈利半年度，调整后净利润超过5100万美元。这一里程碑得益于与全球合作伙伴达成的一系列对外授权、共同开发和研发合作，包括礼来、施维雅、武田、SK Biopharmaceuticals、齐鲁制药、Hygtia Therapeutics、CMS和Tenacia。截至最新可行日期，Insilico在2026年宣布的交易合同总价值约达73亿美元，使其自2021年以来主要合作的累计合同价值约达110亿美元。

在AI驱动研发方面，截至2026年8月下旬，Insilico在2026年的九个月内提名了九个开发候选药物，创下公司年度管线产出的新纪录，并在其自有及共同开发项目中实现了八项临床里程碑。引领这一进展的是rentosertib（ISM001-055），这是全球首个利用生成式AI发现和开发的候选药物，已推进至评估特发性肺纤维化（IPF）的III期试验。

此外，Insilico Medicine推出了一套全面的基准，使基础模型能够在药物发现所需的所有任务中进行评估，并推出了最先进（SOTA）基础模型，在基准中表现优于其他模型甚至内部工具。利用这一新能力，Insilico希望在规模、治疗模式和适应症方面扩大并加速长寿药物的发现和开发。

参考文献

[1] Zhavoronkov, A., Naumov, V., Sidorenko, D., Aliper, A., Aladinskiy, V., Hasani, R., Amini, A., Nasto, K., Reymond, M., Shayakhmetov, R., et al. (2026). An open benchmark and language models for AI in aging biology. Cell 189, 1–15.https://doi.org/10.1016/j.cell.2026.08.026

[2] Zhavoronkov, A., Galkin, F., Chen, S. et al. Integration of proteomic aging clocks in a phase 2a clinical trial supports simultaneous geroprotective assessment. Nat Biotechnol (2026). https://doi.org/10.1038/s41587-026-03286-y

关于Insilico Medicine

Insilico Medicine是一家开创性的全球生物技术公司，致力于整合人工智能和自动化技术，以加速药物发现、推动生命科学创新，并延长地球上人们的健康长寿。该公司于2025年12月30日在香港联合交易所主板上市，股票代码为03696.HK。

通过整合AI和自动化技术以及深厚的内部药物发现能力，Insilico正在为未满足的需求提供创新药物解决方案，包括纤维化、肿瘤学、免疫学、疼痛以及肥胖和代谢紊乱。此外，Insilico将Pharma. AI的应用范围扩展到多个行业，如先进材料、农业、营养产品和兽医学。

如需更多信息，请访问www.insilico.com