(相关资料图)
临床阶段生成人工智能 (AI) 驱动的药物发现公司 Insilico Medicine (“Insilico”) 宣布了一种新的基于多模式变压器的衰老时钟，该时钟能够处理不同的数据集并提供对衰老生物标志物的洞察力，将它们映射到基因与衰老和疾病相关的研究，并发现旨在减缓或逆转衰老和与衰老相关的疾病的新治疗靶点。该公司将老化时钟称为 Precious1GPT，以致敬《指环王》中强大的“One Ring”。研究结果发表在6 月 13 日的《衰老》杂志上。
Insilico 一直处于生成人工智能和衰老研究的前沿，并于 2014 年开始使用先进的生物信息学发表关于衰老生物标志物的研究。后来，该公司在人类“多组学”纵向数据上训练深度神经网络 (DNN)，并重新训练他们在疾病上开发其端到端的 Pharma.AI 平台，用于目标发现、药物设计和临床试验预测。
“长期以来，我们一直使用 DNN 来更好地了解人类疾病和衰老生物学，”Insilico Medicine 的创始人兼首席执行官兼该研究的通讯作者 Alex Zhavoronkov 博士说。“现在，随着生成 AI 能力的巨大进步，包括基于 AI 的转换器，我们能够进一步加速这一过程，制作一个老化时钟，它不仅可以识别衰老和疾病的交叉点，而且可以将该信息与可操作的治疗目标联系起来。 ”
基于 Transformer 的神经网络最近才可用。首先，科学家们在未标记数据上预训练算法，然后他们用更小的标记数据集进一步完善这些算法。多模态转换器模型可以处理多种数据类型，包括基因组、蛋白质组、显微镜、计算化学和临床成像数据。
在这项研究中，一组研究人员使用了一种名为 Precious1GPT 的方法，该方法涉及基于多模态变换器的回归器，该回归器根据各种数据(包括 RNA 测序和表观遗传学甲基化)进行训练，用于年龄预测，并确定了与衰老和疾病最相关的基因。多模态转换器能够预测生物年龄并区分疾病和对照样本。然后，科学家将基因列表输入 Insilico 的 AI 目标识别引擎 PandaOmics，并发现了与衰老和四种年龄相关疾病高度相关的目标——特发性肺纤维化、慢性阻塞性肺病、帕金森病和心力衰竭。APLNR 和 IL23R 均成为延缓和治疗与年龄相关疾病的潜在靶点。
