Gero
2025年5月 —— 拉霍亚，加利福尼亚州 / 新加坡 —— 一项发表在《衰老细胞》杂志上的新研究表明，人工智能不仅可以加速药物发现，还可以通过针对生物衰老的全复杂性来根本改变药物发现的方式。
在斯克里普斯研究所和专注于衰老的生物科技公司Gero的合作下，科学家们开发了一种机器学习模型，该模型被训练以识别作用于多个生物途径的化合物——这一过程被称为多药理学。系统不再寻求单一的“神奇子弹”，而是将衰老视为一个复杂的、多因素的过程，并找到相应的药物。
当在广泛用于衰老研究的模式生物秀丽隐杆线虫中进行测试时，这些化合物在超过75%的情况下延长了寿命。其中一种化合物使寿命延长了74%，成为迄今为止在这种模型中记录的最有效的延寿化合物之一。
“传统的药物发现过于关注精确性，旨在用激光般的焦点调节单一途径，”Gero公司的首席执行官彼得·费迪切夫博士说。“但衰老不是这样工作的。它是系统性的、交织在一起的，无法用一维解决方案来解决。这就是我们方法所接受的。”
直到最近，有意设计多靶点药物在大多数医学研究领域被认为是不切实际的，因为其复杂性和增加的副作用风险。这类化合物往往被丢弃而不是开发。费迪切夫和斯克里普斯研究所教授迈克尔·佩特拉斯查克的研究表明，人工智能现在可以驾驭这种复杂性，使其研究成为首个已知的AI成功设计多药理学干预衰老的例子——是有意为之，而非偶然。
“这不仅仅是渐进的一步，而是一个真正的飞跃，”佩特拉斯查克说。“这表明人工智能可以帮助研究人员解决比他们独自工作时更复杂的生物学问题。”
更广泛的发现模型
从转化的角度来看，这些发现为新一代系统性作用、而非孤立作用的治疗药物奠定了基础。
“主要影响在于未来开发能够延长寿命并治疗慢性老年相关疾病的药物，”佩特拉斯查克说。“有意的多药理学增加了疗效的可能性，因为衰老不是单一系统的失败——而是许多系统同时逐渐崩溃的结果。”
这项研究由佩特拉斯查克在斯克里普斯研究所的实验室进行，并得到了美国国立卫生研究院的支持。费迪切夫和Gero贡献了AI算法，该算法识别并选择了用于研究的化合物。
论文引用：
Konstantin Avchaciov 1, Khalyd J Clay 2, Kirill A Denisov 1, Olga Burmistrova 1, Michael Petrascheck 2, Peter O Fedichev 1 (2025). AI-Driven Identification of Exceptionally Efficacious Polypharmacological Compounds That Extend the Lifespan of Caenorhabditis elegans. Aging Cell, e70060.
(全文结束)
