Insilico Medicine ने Cell अध्ययन में ओपन लोंजविटी एआई टूलकिट जारी किया

Insilico Medicine ने 17 सितंबर, 2026 को घोषित किया कि Cell में एक अध्ययन प्रकाशित हुआ है, जिसमें एजिंग बायोलॉजी के लिए खुला जारी किया गया एआई टूलकिट प्रस्तुत किया गया है: LongevityBench बेंचमार्क, पाँच कॉम्पैक्ट Longevity-LLMs का एक परिवार, और Longevity Claw एजेंटिक अनुसंधान प्लेटफ़ॉर्म।

Cell में प्रकाशन

पेपर, “एजिंग बायोलॉजी में एआई के लिए एक खुला बेंचमार्क और भाषा मॉडल,” Cell वॉल्यूम 189, इश्यू 19, पृष्ठ 5980–5994.e8 में 17 सितंबर, 2026 को प्रकाशित हुआ। इसे क्रिएटिव कॉमन्स एट्रिब्यूशन 4.0 लाइसेंस के तहत ओपन एक्सेस में प्रकाशित किया गया, DOI 10.1016/j.cell.2026.08.026 के साथ, और इसमें 13 लेखक सूचीबद्ध हैं, जिनमें Alex Zhavoronkov, Vladimir Naumov, Denis Sidorenko, Alex Aliper, Ramin Hasani, Alexander Amini, Vadim N. Gladyshev और Fedor Galkin शामिल हैं।

Insilico ने कहा कि यह अध्ययन जर्नल के 17 सितंबर, 2026 अंक की कवर फीचर के रूप में चुना गया और यह Liquid AI, Buck Institute for Research on Aging, और Harvard Medical School तथा Brigham and Women’s Hospital के शोधकर्ताओं के साथ किया गया।

घोषणा के अनुसार, Cell प्रकाशन Insilico के 7 सितंबर, 2026 के Nature Biotechnology अध्ययन के बाद आया, जिसमें बताया गया कि rentosertib, कंपनी का आइडियोपैथिक फेफड़े के फाइब्रोसिस के लिए एआई-खोजी और एआई-डिज़ाइन किया गया दवा उम्मीदवार, एक Phase IIa क्लिनिकल ट्रायल में छह स्वतंत्र प्रोटियोमिक एजिंग क्लॉक्स में जैविक आयु को कम कर दिया।

एजिंग बायोलॉजी के लिए एक खुला बेंचमार्क

यह अध्ययन LongevityBench को 17 कार्यों की एक खुली श्रृंखला के रूप में प्रस्तुत करता है, जो पाँच बायोडाटा डोमेनों को कवर करती है: क्लिनिकल डेटा, जीनetics, एपिजेनेटिक्स, ट्रांसक्रिप्टोमिक्स और प्रोटियोमिक्स। पेपर के सारांश में, लेखक लिखते हैं कि कोई मौजूदा बेंचमार्क यह मूल्यांकन नहीं करता कि एआई सिस्टम इन विविध डेटा प्रकारों को एजिंग बायोलॉजी के संदर्भ में व्याख्या कर सकते हैं या नहीं। घोषणा के अनुसार, बेंचमार्क को इस तरह डिजाइन किया गया है कि मॉडल प्रशिक्षण के दौरान देखी गई जानकारी को याद करके सफल न हो सकें, बल्कि जैविक डेटा का विश्लेषण करने, सार्थक पैटर्न पहचानने और एजिंग अनुसंधान से संबंधित समस्याओं को हल करने की क्षमता का परीक्षण किया जाए।

लेखकों ने LongevityBench का उपयोग करके छह डेवलपर टीमों के 18 अग्रणी एआई सिस्टमों का मूल्यांकन किया, जिन्हें घोषणा में OpenAI, Google, Anthropic, xAI, DeepSeek और Moonshot AI के रूप में पहचाना गया है। पेपर रिपोर्ट करता है कि कोई एकल मॉडल सभी कार्यों में प्रमुख नहीं रहा, प्रदर्शन प्रश्नों के phrasing के अनुसार बदलता रहा, और ओमिक्स-आधारित आयु भविष्यवाणी सभी मॉडल स्केल के बावजूद सबसे कठिन कार्य था।

परियोजना का सार्वजनिक लीडरबोर्ड, जो 17 कार्यों में 26 मॉडलों को ट्रैक करता है, NHANES क्लिनिकल माप, GEO DNA मेथिलेशन, GTEx बल्क RNA-seq, Olink प्लाज़्मा प्रोटियोमिक्स, और OpenGenes तथा SynergyAge जीनetics संसाधनों से प्राप्त डेटासेट्स को सूचीबद्ध करता है। लीडरबोर्ड के समग्र रैंक स्कोर में, जहाँ कम अंक बेहतर है, Gemini 3.1 Pro 8.2 के साथ सर्वश्रेष्ठ अग्रणी मॉडल के रूप में सूचीबद्ध है, और Claude Opus-4.6 9.2 पर है।

कॉम्पैक्ट लोंजविटी-LLMs

यह जांचने के लिए कि क्या ये अंतर बिना अग्रणी-स्तर संसाधनों के बंद किए जा सकते हैं, शोधकर्ताओं ने 0.6 बिलियन से 9 बिलियन पैरामीटर तक के पाँच मल्टीटास्क Longevity-LLMs के परिवार को डोमेन-विशिष्ट एजिंग डेटा पर फाइन-ट्यून किया, और पेपर रिपोर्ट करता है कि कॉम्पैक्ट मॉडल बेंचमार्क पर बहुत बड़े अग्रणी सिस्टमों के बराबर या उससे अधिक प्रदर्शन करते हैं। घोषणा के अनुसार, मॉडल्स को Insilico के MMAI Gym for Science का उपयोग करके प्रशिक्षित किया गया, जिसे कंपनी भाषा मॉडलों के प्रशिक्षण स्थल के रूप में वर्णित करती है, जो अपने स्वामित्व डेटा, रीजनिंग डेटासेट और वैध मॉडल लागू करता है, और इन्हें Liquid AI के LFM2 आर्किटेक्चर और Alibaba के Qwen3 तथा Qwen3.5 मॉडल परिवारों पर बनाया गया।

लीडरबोर्ड L-Qwen3.5-9B को 4.4 समग्र रैंक स्कोर के साथ सर्वश्रेष्ठ समग्र सिस्टम के रूप में सूचीबद्ध करता है, इसके बाद L-LFM2-2.6B 7.6 पर और L-Qwen3-1.7B 7.8 पर है। लीडरबोर्ड के चयनित परिणामों में, L-Qwen3.5-9B ने GEO DNA-मेथिलेशन आयु भविष्यवाणी में 0.868 संगति हासिल की, जबकि सर्वश्रेष्ठ अग्रणी मॉडल ने 0.685 प्राप्त किया, और L-Qwen3-0.6B ने Olink प्रोटियोमिक आयु भविष्यवाणी में 5.7 वर्ष का औसत पूर्ण त्रुटि दर्ज किया, जबकि सर्वश्रेष्ठ अग्रणी मॉडल ने 10.1 वर्ष, साथ ही NHANES 10-वर्ष मृत्यु दर भविष्यवाणी में 0.890 संतुलित शुद्धता।

मॉडलों और बेंचमार्क डेटा को सार्वजनिक रूप से एक Hugging Face संग्रह में उपलब्ध कराया गया है, जिसमें longebench डेटासेट और longevity-llm 9B, Qwen3-0.6B-Longevity, Qwen3-1.7B-Longevity, LFM2-2.6B-Longevity और LFM2-1.2B-Longevity मॉडल शामिल हैं।

Longevity Claw और स्वायत्त लक्ष्य खोज

टीम ने L-Qwen3.5-9B को Longevity Claw में एम्बेड किया, जो एक ओपन-सोर्स एजेंटिक प्लेटफ़ॉर्म है जो विशेष मॉडल को जीन-सेट एन्हांसमेंट विश्लेषण, जैविक एजिंग-क्लॉक गणना, जनसंख्या-स्तर प्रोफाइलिंग, साक्ष्य पुनःप्राप्ति और संश्लेषण, तथा उम्मीदवार लक्ष्य मूल्यांकन और प्राथमिकता के उपकरणों के साथ संयोजित करता है। Insilico ने कहा कि यह प्लेटफ़ॉर्म बहु-चरणीय अनुसंधान कार्यप्रवाहों को तैयार करने और निष्पादित करने के लिए डिज़ाइन किया गया है, न कि केवल व्यक्तिगत प्रश्नों का उत्तर देने के लिए।

14 मान्यता प्राप्त उम्र बढ़ने के संकेतकों में लागू, प्लेटफ़ॉर्म ने 328 जीनों को उम्र बढ़ने के हस्तक्षेप के संभावित लक्ष्य के रूप में नामित किया, और उम्मीदवारों ने स्वतंत्र रूप से प्रकाशित संदर्भ सेट के मुकाबले अधिकतम 5.6‑गुना सांख्यिकीय रूप से महत्वपूर्ण समृद्धि दिखाई, जिसमें प्रयोगात्मक रूप से समर्थित उम्र‑संबंधी लक्ष्य शामिल थे, जैसा कि घोषणा में कहा गया। एक नामित जीन, KDM1A, को एक अलग प्रकाशित अध्ययन में द्वि‑उद्देश्यीय उम्र और कैंसर लक्ष्य के रूप में स्वतंत्र रूप से सत्यापित किया गया, जिसका मॉड्यूलेशन C. elegans में आयु को बढ़ाता है, जैसा कि घोषणा में कहा गया।

परियोजना का GitHub रिपॉज़िटरी, MIT लाइसेंस के तहत प्रकाशित, LongevityClaw को एक एजेंट के रूप में दस्तावेज़ करता है जो छह मोडैलिटीज़ में फैले 233 क्लॉक्स के साथ 429,165 गुणांक के माध्यम से जैविक आयु का पूर्वानुमान करता है, साथ ही जनसंख्या संदर्भ डेटासेट और एक नवीन‑लक्ष्य खोज मॉड्यूल जो छह आयामों पर उम्मीदवारों को स्कोर करता है, जिसमें नवीनता, दवा‑योग्यत, विश्वास और सुरक्षा शामिल हैं, 14 संकेतकों में।

खुला रिलीज़ और घोषित लक्ष्य

Insilico ने कहा कि वह बेंचमार्क, विशेष मॉडल, प्रशिक्षण संसाधन, मूल्यांकन कोड और Longevity Claw प्लेटफ़ॉर्म को जारी कर रहा है ताकि विश्वभर के शोधकर्ता स्वतंत्र परीक्षण, सत्यापन और आगे विकास कर सकें।

“हम बेंचमार्क किए गए, एजेंटिक सिस्टम विकसित कर रहे हैं जो व्यक्तिगत दीर्घायु सहायक और दीर्घायु साथी में विकसित हो सकते हैं, अंततः लोगों को उनके स्वास्थ्यकाल की निगरानी और सुधार में मदद करेंगे,” Alex Zhavoronkov, संस्थापक और सह‑सीईओ, Insilico Medicine ने कहा।

Insilico ने कहा कि खुला ढांचा वैज्ञानिकों को AI‑सक्षम उम्र बढ़ने के शोध में प्रगति को मापने के लिए एक सामान्य आधार प्रदान करने और उन सिस्टमों को अलग करने में मदद करने के लिए है जो वास्तविक जैविक तर्क दर्शाते हैं, बनिस्बत उन सिस्टमों के जो मुख्यतः अपने प्रशिक्षण डेटा में मौजूद जानकारी को दोहराते हैं।