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、発表したCellに掲載された研究の公開を、老化生物学のため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つのコンパクトなLongevity-LLMファミリー、そしてLongevity Clawエージェント型研究プラットフォーム）を紹介するものとして。

Cellでの掲載

この論文は、”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言語モデル” と題され、Cell第189巻第19号、ページ5980–5994.e8に2026年9月17日付で掲載された。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は10.1016/j.cell.2026.08.026である。著者は13名で、Alex Zhavoronkov、Vladimir Naumov、Denis Sidorenko、Alex Aliper、Ramin Hasani、Alexander Amini、Vadim N. Gladyshev、Fedor Galkin らが含まれる。

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

発表によると、Cell掲載の論文はInsilicoが2026年9月7日にNature Biotechnologyに掲載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・設計した薬候補であるrentosertibが、フェーズ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を通じて生物学的年齢を低減させたことが報告されている。

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）にまたがる17のタスクからなるオープンスイートとして紹介する。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著者らは述べている。発表によれば、このベンチマークは、モデルが訓練時に遭遇した情報の単なる再現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た。

著者らはLongevityBenchを用いて、6つの開発チーム（OpenAI、Google、Anthropic、xAI、DeepSeek、Moonshot AI）から提供された18の先端AIシステムを評価した。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ったと報告されている。

プロジェクトの公開リーダーボードは、17タスクにわたる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抽出されたデータセットを掲載している。リーダーボードの総合ランクスコア（数値が低いほど優秀）では、Gemini 3.1 Proが8.2で最高の先端モデルとされ、Claude Opus-4.6が9.2で続く。

コンパクトなLongevity-LLM

これらのギャップを先端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先端システムに匹敵または上回ったと報告している。発表によれば、これらのモデルはInsilicoのMMAI Gym for Scienceを使用して訓練され、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る。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た。

リーダーボードでは、L-Qwen3.5-9Bが総合ランクスコア4.4で最優秀システムとして掲載され、次いでL-LFM2-2.6Bが7.6、L-Qwen3-1.7Bが7.8となっている。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の一致度を示し、最高の先端モデルは0.685であった。また、L-Qwen3-0.6BはOlinkプロテオミクス年齢予測で平均絶対誤差5.7年を記録し、最高の先端モデルは10.1年であった。さらに、NHANESの10年死亡率予測で0.890のバランス精度を達成した。

これらのモデルとベンチマークデータは、Hugging Face コレクションで公開されており、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モデルが含まれる。

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、遺伝子セット富集解析、生物学的老化時計計算、集団レベルのプロファイリング、証拠の取得と統合、候補標的の評価と優先順位付けといったツールと組み合わせたオープンソースのエージェント型プラットフォームとして提供した。Insilicoは、このプラットフォームが個別の質問に応答するだけでなく、複数段階の研究ワークフローを構築・実行するよう設計されたと述べた。

14の認識された老化の特徴全体に展開され、プラットフォームは老化介入の潜在的ターゲットとして328の遺伝子を指名し、候補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、と発表は述べている。指名された遺伝子の一つであるKDM1Aは、別の公開研究で独立して検証され、老化とがんの二重目的のターゲットとして、その調節が線虫（C. elegans）の寿命延長につながることが示された、と発表は言及している。

プロジェクトのGitHubリポジトリはMITライセンスで公開されており、LongevityClawが6つのモダリティにわたる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、人口参照データセットと新規ターゲット発見モジュールを併せて記載している。このモジュールは14の老化特徴全体で、独創性、薬剤適合性、信頼性、安全性など6つの次元で候補を評価する。

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、そして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はAI活用型老化研究の進捗を測定する共通の基盤を科学者に提供し、訓練データに含まれる情報を単に再現するシステムと、真に生物学的推論を示すシステムとを区別する助けになることを意図していると述べた。