The Pulse
Insilico rende pubblico un kit di strumenti di IA per la ricerca sulla longevità che individua 328 geni
Insilico Medicine ha presentato in uno studio pubblicato su Cell LongevityBench, cinque modelli linguistici specializzati e la piattaforma di ricerca Longevity Claw. Il sistema ha individuato 328 geni riconducibili a 14 caratteristiche dist
AI.info Team ·
Longevity Claw ha individuato 328 geni come possibili bersagli per interventi contro l’invecchiamento, offrendo a Insilico Medicine una verifica concreta del suo nuovo sistema aperto di IA per la ricerca, al di là dei benchmark dei modelli. L’azienda ha reso noto il risultato il 17 settembre 2026, in occasione della pubblicazione su Cell di uno studio che presenta un kit di strumenti articolato in tre parti: valutazione, modelli linguistici specializzati e flussi di lavoro automatizzati per la ricerca.
Il kit comprende LongevityBench, cinque Longevity Large Language Models compatti e Longevity Claw, una piattaforma open source progettata per collegare un modello specializzato a strumenti di analisi biologica. Insilico ha sviluppato il progetto insieme a ricercatori di Liquid AI, del Buck Institute for Research on Aging, della Harvard Medical School e del Brigham and Women’s Hospital.
LongevityBench mette alla prova cinque tipi di dati sull’invecchiamento
LongevityBench valuta i sistemi di IA su dati clinici, genetici, epigenetici, trascrittomici e proteomici. I ricercatori hanno progettato il benchmark in modo che il semplice richiamo di informazioni fosse meno utile: i sistemi devono interpretare misurazioni biologiche e fornire risposte fondate su evidenze relative all’invecchiamento.
Lo studio ha valutato 18 sistemi di IA avanzati di sei gruppi di sviluppatori, tra cui OpenAI, Google, Anthropic, xAI, DeepSeek e Moonshot AI. Secondo Insilico, nessuno di questi modelli ha ottenuto i risultati migliori in tutti e cinque gli ambiti biologici. I risultati cambiavano inoltre in misura considerevole quando i ricercatori riformulavano le domande: un segnale che i sistemi generalisti possono dare risposte incoerenti nell’analisi di dati specialistici sull’invecchiamento.
Prevedere l’età biologica direttamente dalle misurazioni omiche si è rivelato particolarmente difficile. Il risultato pone un limite alle conclusioni che si possono trarre dalla sola dimensione dei modelli: i sistemi più grandi non hanno mostrato costantemente le migliori capacità di ragionamento biologico.
Entra in gioco un modello da 0,6 miliardi di parametri
Insilico e i suoi collaboratori hanno addestrato cinque Longevity-LLMs open source su dati clinici e multi-omici specifici dell’invecchiamento. I modelli vanno da 0,6 a 9 miliardi di parametri e utilizzano architetture aperte di Liquid AI e Alibaba, comprese le famiglie LFM2 di Liquid AI e Qwen3 e Qwen3.5 di Alibaba.
Secondo lo studio, i modelli specializzati hanno eguagliato o superato i 16 sistemi avanzati inclusi nel confronto. Il modello migliore, L-Qwen3.5-9B, ha ottenuto il punteggio complessivo più alto fra i 26 sistemi testati, compreso Gemini 3.1-Pro di Google. Insilico afferma inoltre che il modello più piccolo ha superato la maggior parte dei sistemi avanzati.
Il risultato mette in luce una scelta pratica per i gruppi di ricerca. Un modello più piccolo, addestrato su dati biologici selezionati con cura, può richiedere meno capacità di calcolo e consentire l’impiego su infrastrutture locali, pur affrontando compiti che risultano difficili per i sistemi generalisti. I risultati del benchmark non dimostrano che i modelli possano prendere decisioni cliniche o sostituire la validazione sperimentale.
Longevity Claw trasforma le risposte del modello in flussi di lavoro
Insilico ha integrato L-Qwen3.5-9B in Longevity Claw, che combina il modello linguistico con l’analisi dell’arricchimento di insiemi di geni, il calcolo degli orologi dell’età biologica, la profilazione a livello di popolazione, il reperimento delle evidenze e la definizione delle priorità fra i possibili bersagli.
La piattaforma è progettata per eseguire flussi di lavoro di ricerca articolati in più passaggi, anziché limitarsi a rispondere a singoli prompt. Può raccogliere evidenze, eseguire analisi specialistiche, esaminare i risultati intermedi e costruire una motivazione a sostegno di un bersaglio biologico. I ricercatori l’hanno utilizzata per 14 caratteristiche distintive riconosciute dell’invecchiamento e hanno riferito di aver individuato 328 geni.
Questi candidati hanno mostrato un arricchimento fino a 5,6 volte rispetto a un insieme di riferimento, pubblicato indipendentemente, di bersagli legati all’invecchiamento supportati da evidenze sperimentali. Il risultato avvalora la rilevanza biologica dei geni individuati, ma non dimostra che siano bersagli farmacologici efficaci negli esseri umani. Uno dei geni individuati, KDM1A, figurava anche in un altro studio pubblicato, nel quale la sua modulazione ha prolungato la vita di C. elegans.
Zhavoronkov presenta il kit come un’infrastruttura aperta
Insilico rende disponibili il benchmark, la raccolta di modelli, le risorse per l’addestramento, il codice di valutazione e la piattaforma Longevity Claw per consentire verifiche indipendenti e ulteriori sviluppi. La raccolta di modelli è disponibile su Hugging Face, mentre il codice della piattaforma è pubblicato nel repository GitHub di Longevity Claw. Una pagina pubblica dei risultati è disponibile su LongevityBenchmarks.org.
«La comunità che si occupa di longevità sta andando oltre gli orologi statici dell’invecchiamento, verso modelli di base capaci di generare indicazioni misurabili e utilizzabili.»
Alex Zhavoronkov, fondatore e co-CEO, Insilico Medicine
Zhavoronkov ha dichiarato che l’azienda sta sviluppando sistemi agentici valutati tramite benchmark che potrebbero, in futuro, supportare il monitoraggio personalizzato della salute. La pubblicazione attuale, tuttavia, descrive un’infrastruttura di ricerca e risultati computazionali, non un prodotto per la salute destinato ai consumatori né un trattamento di comprovata efficacia per la longevità.
Da rentosertib a un insieme aperto di strumenti per la ricerca
La pubblicazione su Cell segue uno studio del 7 settembre 2026 apparso su Nature Biotechnology riguardante rentosertib, il candidato di Insilico per la fibrosi polmonare idiopatica scoperto e progettato con l’IA. L’azienda ha dichiarato che l’analisi della sperimentazione di fase IIa ha rilevato una riduzione dell’età biologica misurata mediante sei orologi proteomici indipendenti dell’invecchiamento.
Quei risultati e il nuovo kit di strumenti affrontano questioni diverse. Rentosertib fornisce evidenze da una sperimentazione clinica del fatto che un candidato farmaco può influire sugli indicatori biologici dell’invecchiamento, mentre LongevityBench e Longevity Claw mirano ad aiutare i ricercatori a identificare e classificare i futuri bersagli. Nessuno dei due risultati dimostra che un intervento possa prolungare la vita umana.
La verifica più immediata per il kit presentato da Insilico sarà capire se ricercatori indipendenti riusciranno a riprodurre le classifiche del benchmark, esaminare i geni individuati e stabilire con quale frequenza le proposte della piattaforma reggeranno agli esperimenti di laboratorio. Per ora, l’azienda ha reso pubblici un elenco di 328 geni, cinque modelli specializzati e un sistema aperto di valutazione.