AI가 건강한 노화를 위한 새로운 분자 표적을 찾는 방법

노화를 연구하는 과학자들은 새로운 도구를 가지고 있습니다. 수천 개의 분자 또는 유전자 데이터 세트를 며칠 내에 스캔하고 세포의 노화 방식에 영향을 미칠 가능성이 가장 높은 소수의 분자에 플래그를 표시할 수 있는 인공지능 시스템입니다. 최근 몇 주 동안 공개된 여러 프로젝트는 이것이 실제로 어떻게 작동하는지 보여줍니다. 브라질 대학 연구소, 국제 생명공학 회사, 대규모 공개 게노믹 데이터베이스를 채굴하는 연구팀 등이 포함됩니다. 그리고 그들은 모두 동일한 근본적인 문제를 목표로 합니다: 산화 스트레스와 나이에 따라 축적되는 세포 손상입니다.

설명 가능한 AI 모델이 항산화 펩타이드를 찾습니다

Pontificia Universidade Católica do Rio de Janeiro(PUC-Rio)에서 화학 교수 André Silva Pimentel이 이끄는 팀이 연구자 Maria Carolina J. A. Schneider 및 Marina Geisiely Damaso Godinho Alves와 협력하여 항산화 펩타이드에 적용된 설명 가능한 인공지능에 대한 연구를 발표했습니다. 이는 팀이 The Conversation Brasil에서 2026년 10월 5일에 작성한 기사에 따릅니다. 펩타이드는 천연 식품 단백질에 존재하거나 합성할 수 있는 아미노산의 짧은 사슬이며, 일부는 자유 라디칼을 중화할 수 있습니다. 자유 라디칼은 신체의 항산화 시스템이 그것들을 제거할 수 있는 것보다 빠르게 축적될 때 세포에 손상을 주는 불안정한 분자입니다.

PUC-Rio 그룹은 설명 가능한 AI라고 불리는 방법을 사용했습니다. 이는 표준 기계학습 모델과 한 가지 핵심적인 측면에서 다릅니다: 예측을 생성하는 것뿐만 아니라 펩타이드의 아미노산 서열의 어느 부분이 그 예측에 가장 영향을 미쳤는지를 보여줍니다. 연구자에 따르면 이를 통해 과학자는 펩타이드가 항산화제로 작용할 가능성이 높은 이유를 볼 수 있습니다. AI를 블랙박스로 취급하는 대신. 이 작업은 리오데자네이로의 주 연구 재단인 FAPERJ에 의해 자금이 지원되었습니다. 또한 브라질 매체 Brasil em Folhas에서도 보도했습니다. 이는 동일한 실험실 및 방법론을 설명했습니다.

연구자들이 쓴 것처럼 실질적인 가치는 속도입니다. 많은 펩타이드 후보를 실험실에서 하나씩 테스트하는 대신, AI 모델은 긴 목록을 실험적으로 테스트할 가치가 있는 몇 개의 서열로 좁혔습니다. 팀은 잠재적 응용 프로그램이 항노화 화장품 및 뉴트라슈티컬을 초과한다고 말했습니다. 알츠하이머병, 파킨슨병, 암과 같은 산화 스트레스 관련 질환 연구로. 하지만 그들은 이것을 완성된 치료법이 아닌 추가 연구의 방향으로 설명했습니다.

더 큰 AI 시스템이 게놈 및 약물 라이브러리를 스캔하여 노화 표적을 찾습니다

더 큰 규모의 노력은 Insilico Medicine에서 나옵니다. 약물 발견을 위한 AI 도구를 개발하는 생명공학 회사입니다. 2026년 9월 17일, 회사는 저널 Cell의 표지에 수명 연구를 위한 오픈 소스 툴킷에 대한 연구를 발표했습니다. 이는 Liquid AI, Buck Institute for Research on Aging, Harvard Medical School 및 Brigham and Women's Hospital과 함께 구축되었습니다. Insilico Medicine의 자체 발표에 따르면.

툴킷은 세 부분으로 구성됩니다. LongevityBench, AI 모델이 유전학 및 프로테오믹스를 포함한 5 가지 데이터 유형에 걸쳐 노화 생물학에 대해 얼마나 잘 추론하는지 테스트하는 벤치마크. Longevity-LLM, 노화 관련 데이터에 특별히 훈련된 소형 언어 모델(0.6 ~ 90억 매개변수)의 제품군. 그리고 Longevity Claw, 가능한 노화 관련 표적을 식별하고 순위를 매기도록 설계된 자율 연구 플랫폼. Insilico Medicine은 특수화된 90억 매개변수 모델이 노화 생물학 작업에서 16 개의 최첨단 범용 AI 시스템과 일치하거나 능가했으며, Longevity Claw가 328 개의 후보 노화 개입 표적을 제안했다고 보고했습니다. 독립적으로 발표된 실험적으로 검증된 노화 표적의 참조 세트와 비교하여 노화 관련 유전자의 최대 5.6 배 농축을 보여 준다고 말했습니다.

노화 연구 뉴스 사이트 Lifespan.io에서 설명한 세 번째 접근 방식은 연구자 Vadim Gladyshev가 이끄는 팀이 구축한 ClockBase Agent라는 AI 도구를 사용했습니다. 이는 200 만 개 이상의 기존 RNA 시퀀싱 및 에피게노믹 데이터 세트를 채굴하고 43,529 개의 기록된 생물학적 개입을 다룹니다. 이 시스템은 라파마이신, 메트포르민, 페노피브레이트 및 우아바인을 포함한 알려진 약물에 플래그를 표시했습니다. 데이터의 느린 생물학적 노화에 연결됩니다. Lifespan.io는 20 개월 된 쥐에 대한 후속 테스트에서 3 개월간의 우아바인 치료가 쇠약 점수, 인지 성능, 모피 상태 및 심장 기능의 개선과 관련이 있었다고 보고했습니다. 그러나 전체 연구를 설명하는 프리프린트는 2025 년 11 월에 게시되었으며 인간 시험에서 확인되지 않았습니다.

이 연구가 보여주는 것과 보여주지 않는 것

이러한 프로젝트 중 어느 것도 승인된 항노화 치료법을 생산했다고 주장하지 않습니다. PUC-Rio 펩타이드 모델 및 Insilico Medicine의 표적 목록은 실험실 및 임상 테스트를 위한 후보자의 우선 순위를 지정하도록 설계된 예측 도구입니다. 완성된 치료법이 아닙니다. Lifespan.io에서 설명한 우아바인 결과는 동물 실험에서 나옵니다. 인간 시험이 아닙니다. PUC-Rio 연구 및 Insilico Medicine과 관련된 연구자는 자신의 작업을 매우 큰 검색 공간을 좁히는 것으로 설명합니다. 수백만 개의 가능한 분자 또는 유전자 표적. 희소한 실험실 및 임상 자원은 먼저 가장 유망한 후보자를 테스트하는 데 소비됩니다.

• 설명 가능한 AI(PUC-Rio): 식품 유래 또는 합성 펩타이드에서 항산화제일 가능성이 높은 아미노산 서열에 플래그를 표시합니다.
• LongevityBench / Longevity-LLMs / Longevity Claw(Insilico Medicine, Buck Institute 및 Harvard Medical School과 함께): 오믹스 데이터 세트 전체에서 노화에 연결된 유전자 표적을 벤치마킹하고 순위를 매깁니다.
• ClockBase Agent(Gladyshev 연구팀): 기존 공개 게노믹 데이터 세트를 채굴하여 동물 데이터의 느린 생물학적 노화와 관련된 기존 약물에 플래그를 표시합니다.