Come l'intelligenza artificiale sta trovando nuovi bersagli molecolari per l'invecchiamento sano

Gli scienziati che studiano l'invecchiamento hanno un nuovo strumento: sistemi di intelligenza artificiale che possono scansionare migliaia di molecole o set di dati genetici in giorni e segnalare la manciata più probabile di influenzare l'invecchiamento cellulare. Diversi progetti resi pubblici nelle ultime settimane mostrano come funziona in pratica — tra cui un laboratorio universitario brasiliano, un'azienda biotecnologica internazionale e un team di ricerca che estrae da grandi database genomici pubblici — e tutti mirano allo stesso problema sottostante: lo stress ossidativo e il danno cellulare che si accumulano con l'età.

Un modello di IA spiegabile alla ricerca di peptidi antiossidanti

Presso la Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio), un team guidato dal professore di chimica André Silva Pimentel, in collaborazione con i ricercatori Maria Carolina J. A. Schneider e Marina Geisiely Damaso Godinho Alves, ha pubblicato uno studio sull'intelligenza artificiale spiegabile applicata ai peptidi antiossidanti, secondo un articolo scritto dal team per The Conversation Brasil il 5 ottobre 2026. I peptidi sono catene corte di amminoacidi che si trovano naturalmente nelle proteine alimentari o possono essere sintetizzati, e alcuni di essi possono neutralizzare i radicali liberi — molecole instabili che danneggiano le cellule quando si accumulano più velocemente di quanto i sistemi antiossidanti del corpo possono eliminarli.

Il gruppo PUC-Rio ha utilizzato un metodo chiamato IA spiegabile, che differisce dai modelli di machine learning standard in un aspetto chiave: invece di produrre solo una previsione, mostra anche quali parti della sequenza di amminoacidi di un peptide hanno influenzato maggiormente quella previsione. Secondo i ricercatori, questo permette agli scienziati di vedere quali caratteristiche strutturali rendono un peptide più probabile come antiossidante, piuttosto che trattare l'IA come una scatola nera. Il lavoro è stato finanziato da FAPERJ, la fondazione di ricerca dello stato di Rio de Janeiro, ed è stato anche trattato da Brasil em Folhas, che ha descritto lo stesso laboratorio e metodologia.

Il valore pratico, secondo i ricercatori, è la velocità: invece di testare uno per uno un gran numero di candidati peptidici in laboratorio, il modello di IA riduce una lunga lista alle poche sequenze più degne di test sperimentali. Il team ha affermato che le possibili applicazioni si estendono oltre i cosmetici anti-invecchiamento e i nutraceutici alla ricerca su condizioni legate allo stress ossidativo come la malattia di Alzheimer, la malattia di Parkinson e il cancro — sebbene li abbiano descritti come una direzione per ulteriori studi, non come un trattamento finito.

Sistemi di IA più grandi stanno scansionando genomi e librerie di farmaci alla ricerca di bersagli dell'invecchiamento

Uno sforzo separato e su scala più ampia proviene da Insilico Medicine, un'azienda biotecnologica che sviluppa strumenti di IA per la scoperta di farmaci. Il 17 settembre 2026, l'azienda ha pubblicato uno studio in copertina della rivista Cell che descrive un toolkit open-source per la ricerca sulla longevità, costruito con Liquid AI, il Buck Institute for Research on Aging, la Harvard Medical School e il Brigham and Women's Hospital, secondo l'annuncio di Insilico Medicine.

Il toolkit ha tre componenti: LongevityBench, un benchmark che testa quanto bene i modelli di IA ragionano sulla biologia dell'invecchiamento attraverso cinque tipi di dati inclusa genetica e proteomica; Longevity-LLMs, una famiglia di modelli linguistici compatti (che vanno da 0,6 a 9 miliardi di parametri) addestrati specificamente su dati relativi all'invecchiamento; e Longevity Claw, una piattaforma di ricerca autonoma destinata a identificare e classificare i possibili bersagli legati all'invecchiamento. Insilico Medicine ha riferito che il suo modello specializzato da 9 miliardi di parametri ha eguagliato o superato 16 sistemi di IA per uso generale all'avanguardia su compiti di biologia dell'invecchiamento, e che Longevity Claw ha proposto 328 bersagli candidati per interventi dell'invecchiamento, di cui ha affermato mostravano un arricchimento fino a 5,6 volte per geni legati all'invecchiamento rispetto a un insieme di riferimento pubblicato indipendentemente di bersagli dell'invecchiamento convalidati sperimentalmente.

Un terzo approccio, descritto dal sito di notizie sulla ricerca dell'invecchiamento Lifespan.io, ha utilizzato uno strumento di IA chiamato ClockBase Agent — costruito da un team guidato dal ricercatore Vadim Gladyshev — per estrarre oltre 2 milioni di set di dati esistenti di sequenziamento dell'RNA e epigenetici che coprono 43.529 interventi biologici registrati. Il sistema ha segnalato farmaci noti tra cui rapamicina, metformina, fenofibrato e ouabaina come collegati a un invecchiamento biologico più lento nei dati; Lifespan.io ha riferito che in test di follow-up su topi di 20 mesi, tre mesi di trattamento con ouabaina erano associati a punteggi di fragilità migliorati, prestazioni cognitive, condizioni del pelo e funzione cardiaca, sebbene il preprint che descrive lo studio completo sia stato pubblicato nel novembre 2025 e non sia stato confermato in studi umani.

Cosa mostra e non mostra questa ricerca

Nessuno di questi progetti afferma di aver prodotto un trattamento anti-invecchiamento approvato. Il modello peptidico PUC-Rio e l'elenco di bersagli di Insilico Medicine sono strumenti di previsione destinati a dare priorità ai candidati per test di laboratorio e clinici, non terapie finite. I risultati dell'ouabaina descritti da Lifespan.io provengono da esperimenti animali, non da studi umani. I ricercatori coinvolti nello studio PUC-Rio e Insilico Medicine inquadrano entrambi il loro lavoro come un restringimento di uno spazio di ricerca molto ampio — milioni di molecole possibili o bersagli genetici — in modo che le scarse risorse di laboratorio e cliniche vengano spese prima nei candidati più promettenti.

• IA spiegabile (PUC-Rio): segnala quali sequenze di amminoacidi nei peptidi derivati da alimenti o sintetici sono probabilmente antiossidanti.
• LongevityBench / Longevity-LLMs / Longevity Claw (Insilico Medicine, con Buck Institute e Harvard Medical School): benchmark e classificazione dei bersagli genetici collegati all'invecchiamento attraverso set di dati omici.
• ClockBase Agent (team di ricerca Gladyshev): estrae set di dati genomici pubblici esistenti per segnalare i farmaci esistenti associati a un invecchiamento biologico più lento nei dati animali.