Insilico Medicine, Cell 연구에서 개방형 장수 AI 툴킷을 출시

Insilico Medicine은 2026년 9월 17일 발표했습니다 Cell에 실린 연구가 노화 생물학을 위한 공개 AI 툴킷을 소개한다는 사실을, LongevityBench 벤치마크, 다섯 개의 소형 Longevity-LLM 제품군, 그리고 Longevity Claw 에이전시 연구 플랫폼이 포함됩니다.

Cell에 발표된 논문

이 논문은 노화 생물학을 위한 AI의 개방형 벤치마크 및 언어 모델이라는 제목으로 Cell 189권 19호, 페이지 5980–5994.e8에 2026년 9월 17일 게재되었습니다. 이 논문은 Creative Commons Attribution 4.0 라이선스로 오픈 액세스 출판되었으며 DOI 10.1016/j.cell.2026.08.026을 가지고, Alex Zhavoronkov, Vladimir Naumov, Denis Sidorenko, Alex Aliper, Ramin Hasani, Alexander Amini, Vadim N. Gladyshev, Fedor Galkin 등 13명의 저자를 나열합니다.

Insilico는 이 연구가 2026년 9월 17일 호의 표지 특집으로 선정되었으며, Liquid AI, Buck Institute for Research on Aging, Harvard Medical School 및 Brigham and Women’s Hospital의 연구원들과 공동으로 수행되었다고 밝혔습니다.

보도에 따르면, Cell에 실린 논문은 Insilico가 2026년 9월 7일 Nature Biotechnology에 발표한 연구에 이어 나온 것으로, 해당 연구에서는 회사의 특발성 폐섬유증에 대한 AI가 발견하고 설계한 약물 후보인 rentosertib가 2a상 임상시험에서 여섯 개의 독립적인 단백질체 연령 시계 전반에 걸쳐 생물학적 연령을 감소시켰다고 보고했습니다.

노화 생물학을 위한 개방형 벤치마크

이 연구는 LongevityBench를 5개의 바이오데이터 영역(임상 데이터, 유전학, 후생유전학, 전사체학, 단백질체학)을 아우르는 17개의 과제로 구성된 개방형 스위트로 소개합니다. 논문 요약에서 저자들은 기존 벤치마크 중 어느 것도 AI 시스템이 노화 생물학 맥락에서 이러한 이질적인 데이터 유형을 해석할 수 있는지를 평가하지 못했다고 적었습니다. 보도에 따르면, 이 벤치마크는 모델이 훈련 중 접한 정보를 기억해내는 방식으로 성공할 가능성을 낮추고, 대신 생물학적 데이터를 분석하고 의미 있는 패턴을 인식하며 노화 연구와 관련된 문제를 해결하는 능력을 테스트하도록 설계되었습니다.

저자들은 LongevityBench를 사용해 6개 개발팀(OpenAI, Google, Anthropic, xAI, DeepSeek, Moonshot AI)으로부터 나온 18개의 최첨단 AI 시스템을 평가했습니다. 논문에 따르면 단일 모델이 모든 과제를 지배하지 않았으며, 질문 표현 방식에 따라 성능이 변동했고, 오믹스 기반 연령 예측이 모델 규모와 무관하게 가장 어려운 과제였다고 보고했습니다.

프로젝트의 공개 순위표는 17개 과제에 걸쳐 26개 모델을 추적하며, NHANES 임상 측정, GEO DNA 메틸화, GTEx 대량 RNA-seq, Olink 혈장 단백질체, OpenGenes 및 SynergyAge 유전학 자원을 데이터셋으로 사용합니다. 순위표의 총합 순위 점수에서 낮을수록 우수한데, Gemini 3.1 Pro가 8.2점으로 최우수 최첨단 모델로, Claude Opus-4.6은 9.2점으로 기록되었습니다.

소형 Longevity-LLM

이러한 격차를 최첨단 규모의 자원 없이 메울 수 있는지 테스트하기 위해 연구진은 0.6 billion에서 9 billion 파라미터에 이르는 다중 작업 Longevity-LLM 5종을 도메인 특화 노화 데이터에 맞춰 미세 조정했으며, 논문은 소형 모델들이 벤치마크에서 훨씬 큰 최첨단 시스템과 동등하거나 능가한다는 것을 보고했습니다. 보도에 따르면, 모델들은 Insilico의 MMAI Gym for Science를 사용해 훈련되었으며, 이는 회사가 자체 데이터, 추론 데이터셋 및 검증된 모델을 적용하는 언어 모델 훈련장이라고 설명하고, Liquid AI의 LFM2 아키텍처와 Alibaba의 Qwen3 및 Qwen3.5 모델군을 기반으로 구축되었습니다.

순위표는 L-Qwen3.5-9B가 4.4점의 총합 순위 점수로 전체 최고 시스템으로, 그 다음이 L-LFM2-2.6B(7.6점)와 L-Qwen3-1.7B(7.8점)라고 나열합니다. 순위표에서 선택된 결과 중 L-Qwen3.5-9B는 GEO DNA 메틸화 연령 예측에서 0.868의 일치도를 보였으며, 최고 최첨단 모델은 0.685였습니다. 또한 L-Qwen3-0.6B는 Olink 단백질체 연령 예측에서 평균 절대 오차가 5.7년으로, 최고 최첨단 모델은 10.1년이었으며, NHANES 10년 사망률 예측에서는 0.890의 균형 정확도를 기록했습니다.

모델과 벤치마크 데이터는 Hugging Face 컬렉션에서 공개적으로 제공되며, 여기에는 longebench 데이터셋과 longevity-llm 9B, Qwen3-0.6B-Longevity, Qwen3-1.7B-Longevity, LFM2-2.6B-Longevity, LFM2-1.2B-Longevity 모델이 포함됩니다.

Longevity Claw와 자율 목표 탐색

팀은 L-Qwen3.5-9B를 Longevity Claw에 내장했으며, 이는 특화된 모델을 유전자 집합 강화 분석, 생물학적 노화 시계 계산, 인구 수준 프로파일링, 증거 검색 및 종합, 후보 목표 평가 및 우선순위 지정 도구와 결합한 오픈소스 에이전시 플랫폼입니다. Insilico는 이 플랫폼이 개별 질문에만 응답하는 것이 아니라 다단계 연구 워크플로를 설계하고 실행하도록 설계되었다고 밝혔습니다.

노화의 14가지 인정된 특징 전반에 걸쳐 배포된 이 플랫폼은 노화 개입을 위한 잠재적 표적으로 328개의 유전자를 지명했으며, 후보들은 독립적으로 발표된 실험적으로 입증된 노화 관련 표적 집합에 대해 최대 5.6배까지 통계적으로 유의미한 풍부성을 보였다고 발표했다. 지명된 유전자 중 하나인 KDM1A는 별도의 발표된 연구에서 노화와 암을 동시에 목표로 하는 이중 목적 표적으로 독립적으로 검증되었으며, 그 조절이 선형동물(C. elegans)의 수명을 연장시켰다고 발표했다.

프로젝트의 GitHub 저장소는 MIT 라이선스로 공개되었으며, LongevityClaw가 6가지 모달리티에 걸친 233개의 시계와 429,165개의 계수를 사용해 생물학적 연령을 예측하는 에이전트임을 문서화하고, 인구 기준 데이터 세트와 신표적 발견 모듈을 제공한다. 이 모듈은 14가지 특징 전반에 걸쳐 신선도, 약물가능성, 신뢰도 및 안전성을 포함한 6가지 차원에서 후보들을 평가한다.

오픈 릴리스 및 명시된 목표

Insilico는 벤치마크, 특화 모델, 교육 자료, 평가 코드 및 Longevity Claw 플랫폼을 공개하여 전 세계 연구자들이 독립적으로 테스트하고 검증하며 추가 개발을 할 수 있도록 한다고 밝혔다.

“우리는 벤치마크된 에이전트 시스템을 개발하고 있으며, 이는 개인 맞춤형 장수 어시스턴트와 장수 동반자로 진화할 수 있어 궁극적으로 사람들이 건강수명을 모니터링하고 개선하도록 돕는다”고 Insilico Medicine의 설립자이자 공동 CEO인 Alex Zhavoronkov가 말했다.

Insilico는 이 오픈 프레임워크가 AI 기반 노화 연구에서 진전을 측정하기 위한 공통 기반을 과학자들에게 제공하고, 훈련 데이터에 포함된 정보를 주로 재현하는 시스템과 진정한 생물학적 추론을 보여주는 시스템을 구별하는 데 도움을 주기 위한 것이라고 말했다.