Insilico Medicine、Cell研究でオープンな長寿AIツールキットをリリース

Insilico Medicineは2026年9月17日に発表、Cellに掲載された研究で、老化生物学向けにオープンにリリースされたAIツールキット（LongevityBenchベンチマーク、5つのコンパクトLongevity-LLMファミリー、Longevity Clawエージェント型研究プラットフォーム）を紹介した。

Cellでの掲載

本論文「老化生物学におけるAIのためのオープンベンチマークと語彙モデル」は、Cell第189巻第19号、ページ5980–5994.e8に掲載され、2026年9月17日付けです。クリエイティブ・コモンズ 表示 4.0 ライセンスの下でオープンアクセスとして公開され、DOI 10.1016/j.cell.2026.08.026 が付与されています。著者は13名で、Alex Zhavoronkov、Vladimir Naumov、Denis Sidorenko、Alex Aliper、Ramin Hasani、Alexander Amini、Vadim N. Gladyshev、Fedor Galkin らが含まれます。

Insilicoは、この研究が2026年9月17日号の表紙特集に選ばれ、Liquid AI、Buck Institute for Research on Aging、Harvard Medical School、Brigham and Women’s Hospitalの研究者と共同で実施されたと述べました。

発表によると、Cell掲載の論文はInsilicoが2026年9月7日にNature Biotechnologyで発表した研究に続くもので、同研究では同社の特発性肺線維症に対するAIが発見・設計した薬剤候補であるrentosertibが、Phase IIa臨床試験において6つの独立したプロテオミクス老化時計で生物学的年齢を低減させたと報告されています。

老化生物学のためのオープンベンチマーク

本研究は、LongevityBenchを5つのバイオデータ領域（臨床データ、遺伝学、エピゲノミクス、トランスクリプトミクス、プロテオミクス）にわたる17のタスクからなるオープンスイートとして紹介しています。論文の要旨では、既存のベンチマークではAIシステムが老化生物学の文脈でこれらの異種データを解釈できるかどうかを評価していないと述べられています。発表によれば、このベンチマークは、モデルが訓練時に得た情報の単なる再呼び出しで成功する可能性を低減し、代わりに生物データの分析能力、意味あるパターンの認識、老化研究に関連する課題解決能力をテストするよう設計されています。

著者らはLongevityBenchを用いて、OpenAI、Google、Anthropic、xAI、DeepSeek、Moonshot AIの6つの開発チームからなる18の最先端AIシステムを評価しました。論文では、単一のモデルがすべてのタスクで支配的であることはなく、質問の表現方法により性能が変動し、オミクスベースの年齢予測がモデル規模に関係なく最も難しいタスクであると報告しています。

プロジェクトのパブリックリーダーボードは、17タスクにわたって26モデルを追跡し、NHANES臨床測定、GEO DNAメチル化、GTExバルクRNA-seq、Olink血漿プロテオミクス、OpenGenesおよびSynergyAge遺伝学リソースからのデータセットを掲載しています。リーダーボードの総合順位スコアでは、数値が小さいほど優れており、Gemini 3.1 Pro（8.2）が最優秀フロンティアモデルとして、Claude Opus-4.6（9.2）が続きます。

コンパクトLongevity-LLM

これらのギャップをフロンティア規模のリソースなしで埋められるか検証するため、研究者は0.6億から90億パラメータまでの5つのマルチタスクLongevity-LLMファミリーを老化領域特化データでファインチューニングし、論文ではコンパクトモデルがベンチマーク上ではるかに大規模なフロンティアシステムに匹敵または上回ったと報告しています。発表によれば、モデルはInsilicoのMMAI Gym for Scienceを用いて訓練され、同社はこれを独自データ、推論データセット、検証済みモデルを適用する言語モデルのトレーニング場と説明しています。また、Liquid AIのLFM2アーキテクチャとAlibabaのQwen3およびQwen3.5モデルファミリー上に構築されています。

リーダーボードでは、L-Qwen3.5-9Bが総合順位スコア4.4で最優秀システムとして掲載され、次いでL-LFM2-2.6B（7.6）、L-Qwen3-1.7B（7.8）が続きます。選択された結果の中で、L-Qwen3.5-9BはGEO DNAメチル化年齢予測で0.868のコンコーダンスを達成し、最高のフロンティアモデルは0.685でした。また、L-Qwen3-0.6BはOlinkプロテオミクス年齢予測で5.7年の平均絶対誤差を記録し、最高フロンティアモデルは10.1年でした。さらに、NHANES 10年死亡率予測で0.890のバランス精度を示しました。

これらのモデルとベンチマークデータは、Hugging Faceのコレクションとして公開されており、longebenchデータセットとlongevity-llm 9B、Qwen3-0.6B-Longevity、Qwen3-1.7B-Longevity、LFM2-2.6B-Longevity、LFM2-1.2B-Longevityモデルが含まれます。

Longevity Clawと自律的標的探索

チームはL-Qwen3.5-9BをLongevity Clawに組み込みました。Longevity Clawはオープンソースのエージェント型プラットフォームで、専門モデルと遺伝子セットエンリッチメント解析、 生物学的エイジングクロック計算、集団レベルのプロファイリング、証拠の取得と統合、候補標的の評価・優先順位付けツールを統合しています。Insilicoは、このプラットフォームが個別の質問への応答に留まらず、マルチステップの研究ワークフローを策定・実行するよう設計されたと述べました。

老化の14の公認されたハローマーク全体に展開された本プラットフォームは、328の遺伝子を老化介入の潜在的ターゲットとして指名し、候補遺伝子は独立して公開された実験的に裏付けられた老化関連ターゲットの参照セットに対して最大5.6倍の統計的に有意なエンリッチメントを示したと発表された。指名された遺伝子の一つであるKDM1Aは、別の公開研究において独立に検証され、老化とがんの二重目的のターゲットとして、その調整が線虫（C. elegans）の寿命延長につながることが示された、と同発表は述べている。

本プロジェクトのGitHub リポジトリは、MITライセンスの下で公開されており、LongevityClawが6つのモダリティにまたがる233の時計と429,165の係数を用いて生物学的年齢を予測するエージェントであること、人口リファレンスデータセットおよび新規ターゲット探索モジュールを併せて文書化している。このモジュールは、14のハローマーク全体で、独創性、薬剤適合性、信頼性、安全性を含む6つの次元で候補をスコア付けする。

オープンリリースと掲げられた目標

Insilicoは、ベンチマーク、専門モデル、トレーニングリソース、評価コード、およびLongevity Clawプラットフォームを公開し、世界中の研究者が独立したテスト、検証、さらなる開発を行えるようにすると述べた。

「我々はベンチマークされたエージェントシステムを開発しており、これらはパーソナライズされた長寿アシスタントや長寿コンパニオンへと進化し、最終的に人々がヘルススパンをモニタリングし向上させるのを支援する」と、Insilico Medicineの創業者兼共同CEOであるAlex Zhavoronkovは述べた。

Insilicoは、オープンフレームワークが科学者にAI活用型老化研究の進捗を測定する共通の基盤を提供し、トレーニングデータに含まれる情報を主に再現するシステムと、真の生物学的推論を示すシステムを区別するのに役立つことを意図していると述べた。