مترجمٌ أتقن كل لهجات الشيخوخة ✎ bioRxiv

الأصل: "The End of Aging Clocks: Training Foundation Models to Reason in Aging and Longevity"
b42w:2603.90001 · صفحة العمل · 2026-03-30 · CC BY-ND 4.0 · تحليل مستقل · 2 دقيقة
نموذج لغوي كبير يتنبأ بالعمر البيولوجي عبر مثيلة الحمض النووي وبيانات حيوية أخرى دون أدوات خارجية.

المترجم الذي يلتفت إلى كل همسة في القاعة يحوّل اجتماعًا مدته ساعة إلى ساعتين. هكذا كانت تعمل ساعات الشيخوخة سابقًا: كل أداة لا تفهم إلا لهجة واحدة من لهجات البيانات الحيوية. واحدة تقرأ العلامات الكيميائية على الحمض النووي (المثيلة)، وأخرى تقرأ البروتينات في الدم، وثالثة تقرأ ملاحظات الطبيب. ولإضافة مصدر معلومات جديد كان لا بد من بناء نموذج منفصل والتحقق منه، بينما يبقى تفسير تنبؤاته مسؤولية الباحث وحده.

أما Longevity-LLM v0.1 فهو مترجم تعلّم كل اللهجات دفعة واحدة. أخذ العلماء في Insilico Medicine نموذجًا لغويًا أساسيًا هو Qwen3-14B وأعادوا تدريبه على 766 640 مثالًا كُتبت فيها البيانات الحيوية نصًا مصحوبًا باستدلالات. المرحلة الأولى: قراءة 4,5 مليار رمز (token)، والثانية: تعلّم معزّز، حيث كان النموذج يتلقى مكافأة على دقة تنبؤاته العددية. جرى التدريب على 24 وحدة معالجة رسومية من نوع NVIDIA B200، ثم على 16 من نوع A100.

قبل التدريب لم يكن النموذج الأساسي قادرًا على إنتاج أي تنبؤ صالح، لأنه لم يكن يجيد تنسيق الإجابات. وبعد التدريب تجاوز أنظمة تجارية تضم مئات المليارات من المعاملات.

جاءت النتيجة أقوى من الأدوات المتخصصة. في التنبؤ بالوفيات خلال 10 سنوات اعتمادًا على بيانات NHANES بلغت دقة النموذج 0,89، وفي توقع البقيا عند السرطان اعتمادًا على بيانات TCGA بلغت 0,77. أما متوسط الخطأ في التنبؤ بالعمر عبر مثيلة الحمض النووي فقد كان 4,34 سنة، وهو أفضل إحصائيًا من ساعات هورفاث (4,61 سنة). كما تنبأ النموذج بالعمر اعتمادًا على بيانات البروتيوم بخطأ قدره 7,9 سنة.

ولّد النموذج ملفات بروتيومية معقولة بمؤشر جاكار 0,072، متفوقًا على كل النظائر التجارية.

هذا المترجم مطلوب لا من أجل الدقة وحدها. فهو يزيل الحاجز بين نماذج الأوميكس المتخصصة والشبكات العصبية الحوارية. وفي قطاع الأدوية يمثل خطوة نحو خط إنتاج متكامل «من التلميح إلى الدواء»، يجمع بين البحث عن الأهداف الجزيئية وتصميم الجزيئات وتخطيط التجارب السريرية.

المترجم الذي أتقن كل لهجات الشيخوخة أصبح الآن يتحدث لغة واحدة مع الباحث. وستكون النسخة التالية Longevity-LLM v0.2 قادرة لا على التنبؤ بالعمر فحسب، بل على شرح المنطق البيولوجي وراء تنبؤاتها أيضًا: أي ربط السمات الجزيئية بالمسارات والأنماط الظاهرية. وعندها سيسير الاجتماع أخيرًا بوتيرة أسرع.

النموذج الأساسي Qwen3-14B قبل التدريب لم يكن قادرًا على إنتاج تنبؤ صالح واحد في أي مهمة، لأنه لم يكن يجيد تنسيق الإجابات. وبعد الضبط الدقيق تفوّق على أنظمة تجارية تمتلك مئات المليارات من المعاملات.

فكرة ذكاء اصطناعي واحد يقرأ البيانات البيولوجية ويفسّر الشيخوخة تتقاطع مع الذكاء الاصطناعي الطبي في مسلسل «الكربون المعدَّل» Altered Carbon، حيث يُنقل الوعي بين الأجساد ويُتحكَّم في العمر البيولوجي بالتقنيات.

خذ العمل كاملاً

لم يُنشر على arXiv. هنا صفحته وملف PDF والصياغة الشكلية: يمكنك التحقق بنفسك، لا مجرد قراءة تحليلنا.

المفاهيم
aging aging clock chronological age education neurodegeneration biological age mouse model بيانات التدريب cellular senescence مرض الزهايمر علم الأحياء أصل الحياة خلية التعلم mortality طول تعميم