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

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

Cell में प्रकाशन

पेपर, “उम्र विज्ञान में एआई के लिए एक खुला बेंचमार्क और भाषा मॉडल,” Cell खंड 189, अंक 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 लेखकों की सूची है, 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 अध्ययन को जर्नल के 17 सितंबर, 2026 अंक के कवर फीचर के रूप में चुना गया और यह Liquid AI, Buck Institute for Research on Aging, Harvard Medical School और 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 इडियोपैथिक पल्मोनरी फाइब्रोसिस के लिए एआई-खोजा और एआई-डिज़ाइन किया गया औषधि उम्मीदवार, ने फेज़ IIa क्लिनिकल ट्रायल में छह स्वतंत्र प्रोटियोमिक उम्र घड़ी पर जैविक आयु को कम किया।

उम्र विज्ञान के लिए एक खुला बेंचमार्क

यह अध्ययन LongevityBench को 17 कार्यों के एक खुले सूट के रूप में प्रस्तुत करता है, जो पाँच बायोडाटा डोमेनों को कवर करता 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 उम्र विज्ञान 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 मिली जानकारी को याद करके सफलता की संभावना कम हो, बल्कि जैविक डेटा का विश्लेषण करने, अर्थपूर्ण पैटर्न पहचानने और उम्र 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 स्वरूप के अनुसार बदलता रहा, और ओमिक्स-आधारित आयु पूर्वानुमान मॉडल के आकार की परवाह किए बिना सबसे कठिन कार्य रहा।

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 डेटा सेट सूचीबद्ध करता है। लीडरबोर्ड के समग्र रैंक स्कोर पर, जहाँ कम अंक बेहतर है, Gemini 3.1 Pro 8.2 पर सबसे अच्छा अग्रणी मॉडल माना गया है, और Claude Opus-4.6 9.2 पर है।

कॉम्पैक्ट लोनजिविटी-LLMs

इन अंतरालों को फ्रंटियर-स्केल संसाधनों के बिना बंद किया जा सकता है या नहीं, यह परीक्षण करने के लिए, शोधकर्ताओं ने डोमेन-विशिष्ट उम्र डेटा पर 0.6 बिलियन से 9 बिलियन पैरामीटर तक के पाँच मल्टीटास्क Longevity-LLMs के परिवार को फाइन-ट्यून किया, और पेपर रिपोर्ट करता है कि कॉम्पैक्ट मॉडल बेंचमार्क पर बहुत बड़े फ्रंटियर सिस्टमों के बराबर या उससे अधिक प्रदर्शन करते हैं। घोषणा के अनुसार, मॉडल Insilico के MMAI Gym फॉर साइंस का उपयोग करके प्रशिक्षित किए गए, जिसे कंपनी भाषा मॉडल के प्रशिक्षण स्थल के रूप में वर्णित करती है जो अपने स्वामित्व डेटा, तर्कसंगत डेटासेट और मान्य मॉडल लागू करता है, और ये Liquid AI की LFM2 आर्किटेक्चर और Alibaba के Qwen3 और Qwen3.5 मॉडल परिवारों पर निर्मित हैं।

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 पूर्वानुमान पर 0.868 संगति प्राप्त की, जबकि सर्वश्रेष्ठ फ्रंटियर मॉडल ने 0.685 प्राप्त किया, और L-Qwen3-0.6B ने Olink प्रोटियोमिक आयु पूर्वानुमान पर 5.7 वर्ष की औसत निरपेक्ष त्रुटि दर्ज की, जबकि सर्वश्रेष्ठ फ्रंटियर मॉडल के लिए यह 10.1 वर्ष था, साथ ही NHANES 10-वर्षीय मृत्यु दर पूर्वानुमान पर 0.890 संतुलित सटीकता।

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 उम्र-घड़ी 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 कार्यप्रवाह 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 के संकेतकों में लागू, इस प्लेटफ़ॉर्म ने 328 जीनों को उम्र में हस्तक्षेप के संभावित लक्ष्य के रूप में नामित किया, और उम्मीदवारों ने स्वतंत्र रूप से प्रकाशित प्रयोगात्मक रूप से समर्थित उम्र‑संबंधी लक्ष्यों के संदर्भ सेट के मुकाबले अधिकतम 5.6‑गुना सांख्यिकीय रूप से महत्वपूर्ण समृद्धि दिखाई, जैसा कि घोषणा में कहा गया। एक नामित जीन, KDM1A, को एक अलग प्रकाशित अध्ययन में दोहरे उद्देश्य वाले उम्र और कैंसर लक्ष्य के रूप में स्वतंत्र रूप से सत्यापित किया गया, जिसका नियमन C. elegans में आयु को बढ़ाता है, जैसा कि घोषणा में बताया गया।

परियोजना का GitHub रिपॉज़िटरी, MIT लाइसेंस के तहत प्रकाशित, LongevityClaw को एक एजेंट के रूप में दस्तावेज़ित करता है जो छह मोडैलिटीज़ में फैले 233 क्लॉक्स के साथ 429,165 गुणांक का उपयोग करके जैविक आयु का पूर्वानुमान लगाता है, साथ ही जनसंख्या संदर्भ डेटासेट और एक नवीन‑लक्ष्य खोज मॉड्यूल प्रदान करता है जो 14 संकेतकों में नवाचार, औषधीयता, विश्वसनीयता और सुरक्षा सहित छह आयामों पर उम्मीदवारों को स्कोर करता है।

ओपन रिलीज़ और घोषित लक्ष्य

Insilico ने कहा कि वह बेंचमार्क, विशेषीकृत 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 आयु‑सहायक और आयु‑साथी में विकसित हो सकते हैं, अंततः लोगों को उनके स्वास्थ्य‑अवधि की निगरानी और सुधार में मदद करेंगे,” Alex Zhavoronkov, Insilico Medicine के संस्थापक और सह‑CEO ने कहा।

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