В исследовании представлена инновационная временная ИИ-модель MaxToki, предназначенная для моделирования динамики клеточных состояний на протяжении длительных периодов, таких как процесс старения. В отличие от существующих решений, анализирующих отдельные состояния, MaxToki обучалась на колоссальном массиве данных, включающем почти 1 триллион генных токенов, охватывающих траектории жизни человека. Модель демонстрирует способность к обобщению на новые, ранее не виденные траектории через механизм обучения в контексте (in-context learning). В ходе исследования MaxToki успешно предсказала новые мишени, модулирующие возраст, которые были экспериментально подтверждены in vivo как влияющие на возрастные генные программы и функциональный спад. Данная разработка открывает новые горизонты в ускорении поиска терапевтических вмешательств, способных программно корректировать клеточные траектории и замедлять старение.