В исследовании представлена комплексная оценка эффективности фундаментальных моделей для анализа одиночных клеток (scFMs) в контексте биологии старения. Авторы провели бенчмаркинг десяти общих моделей, трех специализированных для старения и традиционных методов на наборе из более чем 2,5 миллионов транскриптомов одиночных клеток. Оценка проводилась по пяти ключевым биологическим вопросам, включая предсказание хронологического возраста и анализ псевдовремени. Модель Geneformer показала наилучшие результаты среди scFMs в задачах предсказания возраста, хотя использование 2000 высоковариантных генов дало более высокий средний показатель. Модель SCimilarity продемонстрировала превосходство в идентификации редких клеточных состояний в распределениях, выходящих за рамки обучающей выборки, превзойдя как специализированные модели, так и базовые методы. На уровне генов модель scGPT обеспечила наилучшее восстановление регуляторных взаимодействий факторов транскрипции, включая узлы, связанные со старением. Исследование подтверждает, что scFMs поддерживают разнообразные анализы старения, но их эффективность критически зависит от конкретной биологической задачи. Результаты подчеркивают практическую ценность фундаментальных моделей для анализа редких клеточных состояний и регуляторных сетей в геронтологии.