英矽智能Cell封面开源AI衰老研究工具包LongevityBench等

全文概要
9 月 17 日，英矽智能（Insilico Medicine）宣布其与 Liquid AI、巴克衰老研究所、哈佛医学院及布莱根妇女医院合作的研究登上《Cell》封面，开源了一套面向衰老生物学的 AI 工具包，包括 LongevityBench 基准、Longevity-LLMs 模型族与 LongevityClaw 智能体平台，旨在推动 AI 在衰老研究与药物研发中的规模化应用。

---

1. 为衰老研究建立"AI 基准"

研究推出 LongevityBench 基准，涵盖临床、遗传、表观遗传、转录组与蛋白质组五大生物数据域的 17 项任务，旨在评估 AI 系统能否真正"推理"生物学数据而非仅凭记忆作答。团队用其评测了 18 个前沿大模型（来自 OpenAI、Google、Anthropic、xAI、DeepSeek、月之暗面等），发现没有任何单一模型在所有任务上领先，且性能对提问措辞高度敏感，其中"从组学数据直接预测生物学年龄"是最难的任务——即使最大的前沿模型也表现不佳。

2. 小模型逆袭前沿大模型

研究团队基于 Liquid AI 与阿里 Qwen 架构，微调出 0.6B 至 9B 参数的五款 Longevity-LLMs，结果这些专用小模型在 LongevityBench 上追平甚至超越全部 16 个前沿大模型：如 L-Qwen3.5-9B 在 DNA 甲基化年龄预测上一致性达 0.868（最优前沿模型为 0.685），L-Qwen3-0.6B 在蛋白组学年龄预测平均绝对误差仅 5.7 岁（最优前沿模型 10.1 岁）。这表明在垂直领域，专用小模型可媲美甚至超过通用大模型。

3. 从"衰老时钟"走向"自主衰老智能体"

论文还介绍了 LongevityClaw 智能体研究平台。此前英矽智能在《Nature Biotechnology》报道其 AI 药物 Rentosertib 在 IIa 期试验中降低多项蛋白组学衰老时钟的生物学年龄。此次 Cell 封面研究将临床证据与开放研究基础设施连接起来，推动衰老研究从静态"时钟"迈向可生成可操作洞见的基础模型与智能体，有望加速衰老靶点发现、个体化干预及人口健康管理。相关论文 DOI 为 10.1016/j.cell.2026.08.026。

来源：Cell、英矽智能（Insilico Medicine）、Unite .AI、美通社

---

---

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。