6月16日消息，由生成式人工智能驱动的临床阶段生物医药科技公司英矽智能（Insilico Medicine）宣布，公司团队近期在衰老领域权威期刊Aging发布了基于Transformer的多模态衰老时钟Precious1GPT。
Precious1GPT是一种利用注意力机制提高训练速度的生成生物学模型，通过多样化数据集整合分析，辅助衰老生物标志物研究和潜在靶基因知识图谱荟萃，进而赋能抗衰老和疾病的双效靶点发现。
近年来，研究人员开始将多模态transformer模型与神经网络结合，先通过未标签数据进行算法预训练，再引入较小规模的标签数据集进一步微调。
据悉，本次英矽智能发表的研究成果，是业界首个采用的多模态transformer的衰老时钟，有能力处理基因组学、蛋白质组学、显微镜数据、计算化学、临床影像等多种类数据。
此次研究中，英矽智能团队搭建创新的流程，以Precious1GPT分析转录组学、甲基化数据等多维度数据，实现一站式年龄预测和老龄相关疾病靶点发现。
首先，基于多模态transformer模型的回归器采用健康人数据样本进行年龄预测训练，学习得到的加权参数被输入基于多模态transformer模型的分类器用于患者组和对照组的区分。随后，研究团队基于回归器产生的数据对潜在靶基因进行筛选排序，再将结果输入到PandaOmics靶点发现平台进行关联分析，最终提名APLNR和IL23R为潜力双效靶点，有望同时靶向衰老和特发性肺纤维化、慢性阻塞性肺病、帕金森氏症、心衰等老龄化疾病。
英矽智能创始人兼首席执行官Alex Zhavoronkov表示，“英矽智能持续利用深度神经网络来解读疾病和衰老的底层生物机制。深度神经网络、强化学习、Transformer等现代人工智能技术的快速发展，使得搭建Precious1GPT这样的衰老时钟成为可能。它不仅能识别影响衰老进程和疾病发生的关键因素，还能通过知识图谱关联信息以提出潜在疾病靶点，以先进的AI技术加速发现影响衰老和疾病的潜在疗法。”
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
