《自然·生物技术》（Nature Biotechnology）杂志上的一篇论文，为评估预测基因效应的模型提供了一种更好的方法。Shift 计划利用这一方法来寻找抗衰老靶点。
想象一下，一个气象预报员总是被判定为预测错误，然后有人意识到是评分表出了问题。这大致就是 Shift 生物科学公司（Shift Bioscience）正在讲述关于 AI「虚拟细胞」的故事，并且他们有一篇《自然·生物技术》（Nature Biotechnology）论文来支持这一说法。
这家总部位于英国剑桥的公司于 10 月 5 日宣布，该论文描述了一种针对深度学习模型的改进校准框架。这些模型能够预测当某个基因被开启或关闭时，细胞内部会发生什么。这些模型被称为基因扰动模型，它们是 AI 虚拟细胞的一种。如果它们能够发挥作用，科学家们就可以在触碰实验室培养皿之前，在计算机上测试大量的基因微调 [1]。
然而，根据 Shift 的说法，问题也随之而来。早期的研究对这些模型的可靠性提出了质疑，其中一些甚至未能超越简单的基准方法。对于一个建立在预测基础上的领域来说，这确实有点尴尬。
Shift 的论文建立在该公司于 2025 年 11 月报告的研究基础之上。它确立了一个基准测试系统，该系统同时考虑了数据集中的生物学信号和技术噪声。该公司表示，该框架表明，过去基准测试中一些糟糕的表现可能源于校准不当的指标，也就是用于比较模型的评分工具。一个选择不当的指标会削弱对模型真正擅长领域的判断。
换句话说，有些模型可能受到了不公正的评价。修正评分标准后，情况就大不相同了。
Shift 生物科学公司（Shift Bioscience）首席科学官兼创始人布伦丹·斯温博士（Dr Brendan Swain）表示：「我们的研究结果表明，通过使用校准良好的指标和正确的数据集，虚拟细胞模型可以产生具有生物学意义的见解。」
「因此，我们可以更有信心地利用它们来识别与衰老和疾病相关且极具前景的新靶点。我们将该框架直接应用于我们的靶点识别项目，重点关注那些抑制后既能支持细胞年轻化、又能治疗年龄相关疾病的靶点，从而为我们走向临床开发提供一条清晰定义的路线。」
那么，Shift 计划用它来做什么呢？该公司将启动大规模的体外（in vitro）和计算机模拟（in silico）筛选（这是细胞实验室实验与计算机筛选的结合），以寻找他们所称的双重用途抑制靶点。这些基因调低活性后，既有助于细胞年轻化又能治疗疾病。该公司表示，他们将从纤维化（即组织的变硬和结疤）开始，并将其描述为衰老和年龄相关疾病的关键驱动因素。
他们并非从零开始。这些筛选是在 Shift 发现 SB-101 之后进行的，该靶点被描述为他们的第一个双重用途靶点。该公司表示，它在疾病通路中发现了 siRNA 靶点，这些靶点也能逆转表观遗传衰老，其先导项目正处于肝纤维化领域，并有空间扩展到其他器官。Shift 由首席执行官丹尼尔·艾夫斯（Daniel Ives）和首席科学官布伦丹·斯温（Brendan Swain）于 2017 年创立，坐落于剑桥的 FrameShift 生物孵化器中。
了解这些背景有助于我们理性看待此事。这是一篇关于如何评估模型的论文，并非一种新药。更好的尺子并不能保证被测量的内容在人体中起作用。靶点仍然必须经受住实验室工作、动物研究和临床试验的考验，而且很多靶点都无法成功过关。该新闻稿并未说明 Shift 预计能找到多少靶点，也没有说明具体时间。
为什么长寿领域的读者应该关注这一点？衰老是一个缓慢的过程，与体内的几乎所有系统都盘根错节，这使得对其进行实验变得极为困难。任何能让研究人员更快地筛选可能性并对答案多一丝信任的技术，都可能改变有多少创新想法能获得公平竞争的机会。这里发挥关键作用的词是「信任」。如果虚拟细胞被证明是可靠的，它们将成为真正的捷径。如果它们不可靠，该领域最终也会发现这一点，而更公平的评分系统正是发现这一点的途径。
📎 来源：Longevity Technology