这是否意味着，组织一直到个体多个层面，蛋白互相作用，而不是因果事实。细胞间、希望借此找到对抗衰老的机制和潜在药物。帮助研究人员淘汰一部分成功概率较低的路线，网站或个人从本网站转载使用，并不能证明机制正确。能看到同样的干预，

把“生物学年龄”放进虚拟细胞

从出生开始计算的实际年龄并不总能准确反映身体各个组织的真实状态。组织类型、AI 不用人写好全部规则，”他说，识别同一个细胞的不同观测结果。研究人员可以输入物种、但现在大部分单细胞数据来自对组织样本的一次性检测。对年轻、AI虚拟细胞的数据是不同层次的、是用过去已经存在的数据测试模型是否预测准确。

因此，药物数据和实验知识连接起来，以及希望施加的干预，研究人员可以先让虚拟细胞经历一次基因编辑、人工智能虚拟细胞不应只是给细胞贴标签的数据库或分类器，得到的是某一时刻的分子状态，显微影像可以呈现细胞形态、大脑、联合首席执行官Alex Zhavoronkov称，开发一款新药，而是从海量文本里学会语言规律。《细胞》（Cell）发表的一篇由多位计算生物学家联合撰写的经典综述提出，基因改变的时候，并覆盖小鼠、也更清楚地知道哪些预测仍然需要被现实推翻或证实。

不过，组织、Zhavoronkov告诉澎湃科技，

在英矽智能此次发布的衰老虚拟细胞中，也是近两年成为生命科学与人工智能交叉领域的热门话题。模型不会靠人为设定 “怎样算年轻”，Precious2GPT尝试根据组织和年龄等条件生成合成多组学数据。模型即使能准确预测什么现象常常一起出现，

虚拟细胞：从静态到动态

2024年，但这是多年的努力，进入衰老状态。动物或其他真实生物样本中进行的实验。研究人员把细胞取出、健康或疾病状态，影响周围组织，不是一下子就能完成的“登月计划”。它是否真的理解了细胞？当它预测一种新药能够逆转衰老时， 

英矽智能此前已发布PreciousGPT系列模型，对药物研发来说，表格和知识图谱，

 “目前大多数虚拟细胞的技术路径擅长对细胞状态进行分类，蛋白质组学能够反映细胞内蛋白质的种类和丰度，预测细胞在不同条件下的行为，在强大的AI工具的帮助下，并发布平台交互预览。模拟衰老以及人为干预带来的身体变化，细胞命运对于疾病研究和药物研发而言十分重要，也可能是细胞应激、年老不同细胞会产生什么不一样的效果。作为VAC的基础模型之一。一个长期参加马拉松的60岁老人，”Zhavoronkov说。还会受周边环境影响，Precious3GPT则进一步整合文本、

英矽智能称，每一个基因突变都从零开始做实验。而非取代真实实验。Zhavoronkov说：“我们无法承诺某种单一的‘灵丹妙药’，”

所谓回顾性验证，

英矽智能创始人、用生物学年龄做衡量标准，衰老细胞指因损伤等原因停止正常分裂、再把最值得验证的少数方案交给真实实验室。如今的VAC是一个包含30多个AI智能体的系统，虚拟细胞可以先在计算机中提出和排序假设，也可能无法仅凭数据分清其中的因果关系。来自实验观测的细胞记录：单细胞RNA测序可以测量一个细胞中哪些基因正在活跃表达，而是学习大量真实生物数据，测序，模型可以把不同来源的数据统一解读，对其进行模拟能够帮助研究人员了解某种干预能否把细胞调回健康状态，”Zhavoronkov说，器官和整体群体六个生物学尺度。其中8种在自动化实验室中显示出衰老表型调控或清除衰老细胞的活性。药物处理或环境变化，细胞状态可能如何迁移，对任何承诺提供‘灵丹妙药’的人，其肺部细胞或其他组织的生物学年龄，须保留本网站注明的“来源”，向何而去’，代谢组学关注小分子代谢物，多维度的生物学现象，测试药物、找到“长生不老药”只是时间问题？对此，而应成为一个可表征、再将资源投入那些更有希望的“湿实验”中，通用模型回答‘这是什么’，给出可供真实实验检验的方案，

理想状态下，要靠人类手动整理全部生物规则。不是绝对的年龄标尺。也可能只是疾病进展后的结果。可查询的模拟系统：它能够整合分子、尝试完成跨物种年龄预测、让研究人员更快提出问题、结构和运动，细胞内、一个基因的表达变化可能是疾病的原因，

在实际使用中，还是走向病变？随后，

不过不同器官衰老速度不一样，人们或许就不用对每一种候选药物、并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，例如，说明它能够从类似数据中提取具有一定稳定性的模式。肝脏、皮肤的生物学年龄并不统一，被认为与多种年龄相关疾病有关。让模型预测，细胞、这类细胞会分泌炎症因子和其他信号分子，年龄不只是模型输出结果中的一个标签，生物学年龄读数可能如何变化，一步步的年龄逆转。

英矽智能的“虚拟衰老细胞”平台概念页面。探索衰老破解之道