Hoe kunstmatige intelligentie nieuwe moleculaire doelwitten voor gezond ouder worden vindt

Wetenschappers die veroudering bestuderen, hebben een nieuw hulpmiddel: kunstmatige-intelligentiesystemen die duizenden moleculen of genetische gegevenssets in dagen kunnen scannen en enkele ervan kunnen markeren die waarschijnlijk het meest van invloed zijn op hoe cellen verouderen. Verschillende projecten die in recente weken openbaar zijn gemaakt, tonen hoe dit in de praktijk werkt — waaronder een Braziliaans universiteitslab, een internationaal biotechnologiebedrijf en een onderzoeksteam dat grote openbare genomische databases ontginnen — en allemaal richten ze zich op hetzelfde onderliggende probleem: oxidatieve stress en cellulaire schade die met leeftijd accumuleert.

Een verklaarbaar AI-model zoekt naar antioxidant peptiden

Bij de Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) publiceerde een team onder leiding van chemieprofessor André Silva Pimentel, werkend met onderzoekers Maria Carolina J. A. Schneider en Marina Geisiely Damaso Godinho Alves, een studie over verklaarbare kunstmatige intelligentie toegepast op antioxidant peptiden, volgens een artikel dat het team op 5 oktober 2026 voor The Conversation Brasil schreef. Peptiden zijn korte ketens van aminozuren die van nature in voedseleiwit voorkomen of synthetisch kunnen worden gemaakt, en sommige kunnen vrije radicalen neutraliseren — onstabiele moleculen die cellen beschadigen wanneer ze sneller ophopen dan het lichaam antioxidantsystemen ze kan opruimen.

De PUC-Rio-groep gebruikte een methode genaamd verklaarbare AI, die op één belangrijk punt verschilt van standaard machine-learning-modellen: in plaats van alleen een voorspelling te doen, toont het ook welke delen van de aminozuurvolgorde van een peptide die voorspelling het meest beïnvloedde. Volgens de onderzoekers kunnen wetenschappers zo zien welke structurele kenmerken een peptide waarschijnlijker maken om als antioxidant te fungeren, in plaats van de AI als een zwarte doos te behandelen. Het werk werd gefinancierd door FAPERJ, Rio de Janeiros staatsonderzoeksstichting, en werd ook behandeld door het Braziliaanse outlet Brasil em Folhas, dat hetzelfde laboratorium en dezelfde methodologie beschreef.

De praktische waarde, aldus de onderzoekers, is snelheid: in plaats van grote aantallen peptidekandidaten een voor een in het laboratorium te testen, beperkt het AI-model een lange lijst tot de enkele sequenties die het meest experimenteel testen waard zijn. Het team zei dat mogelijke toepassingen verder reiken dan anti-verouderingscosmetica en nutraceuticals tot onderzoek naar aandoeningen met betrekking tot oxidatieve stress zoals de ziekte van Alzheimer, de ziekte van Parkinson en kanker — hoewel zij dit beschreven als een richting voor verder onderzoek, niet als een afgewerkte behandeling.

Grotere AI-systemen scannen genomen en geneesmiddelenbibliotheken naar verouderingsdoelwitten

Een afzonderlijke, grootschaligere inspanning komt van Insilico Medicine, een biotechnologiebedrijf dat AI-tools voor geneesmiddelenontdekking ontwikkelt. Op 17 september 2026 publiceerde het bedrijf een studie op de omslag van het tijdschrift Cell met een open-source toolkit voor langlevigheidsonderzoek, gebouwd met Liquid AI, het Buck Institute for Research on Aging, Harvard Medical School en Brigham and Women's Hospital, volgens Insilico Medicine's eigen aankondiging.

De toolkit heeft drie onderdelen: LongevityBench, een benchmark die test hoe goed AI-modellen redeneren over verouderingsbijologie over vijf gegevenstypes inclusief genetica en proteomics; Longevity-LLMs, een familie van compacte taalmodellen (variërend van 0,6 tot 9 miljard parameters) speciaal getraind op verouderingsgerelateerde gegevens; en Longevity Claw, een autonoom onderzoeksplatform bedoeld om mogelijke verouderingsgerelateerde doelwitten te identificeren en in rang ordenen. Insilico Medicine meldde dat zijn gespecialiseerde 9-miljard-parameter-model gelijk was aan of vooruitging op 16 grensverlegggende AI-systemen voor algemeen gebruik bij verouderingsbijologie-taken, en dat Longevity Claw 328 kandidaatdoelwitten voor verouderingsinterventies voorstelde, waarvan het zei een verrijking tot 5,6-voudig voor verouderingsgerelateerde genen liet zien in vergelijking met een onafhankelijk gepubliceerde referentieset van experimenteel gevalideerde verouderingsdoelwitten.

Een derde benadering, beschreven door de nieuwssite voor verouderingsonderzoek Lifespan.io, gebruikte een AI-tool genaamd ClockBase Agent — gebouwd door een team onder leiding van onderzoeker Vadim Gladyshev — om meer dan 2 miljoen bestaande RNA-sequencerings- en epigenetische gegevenssets te ontginnen die 43.529 geregistreerde biologische interventies bestrijken. Het systeem markeerde bekende geneesmiddelen waaronder rapamycine, metformine, fenofibraat en ouabaïne als gekoppeld aan langzamere biologische veroudering in de gegevens; Lifespan.io meldde dat in vervolgstudies op 20 maanden oude muizen, drie maanden ouabaïnebehandeling was geassocieerd met verbeterde brosheidsscores, cognitieve prestaties, vachtconditie en hartfunctie, hoewel de preprint die de volledige studie beschrijft in november 2025 werd geplaatst en niet is bevestigd in menselijke proeven.

Wat dit onderzoek wel en niet toont

Geen van deze projecten stelt een goedgekeurde anti-verouderingsbehandeling te hebben geproduceerd. Het peptidemodel van PUC-Rio en de doellijst van Insilico Medicine zijn voorspellingstools die bedoeld zijn om kandidaten voor laboratorium- en klinisch onderzoek prioriteit te geven, niet afgewerkte therapieën. De ouabaïneresultaten beschreven door Lifespan.io komen uit dierproeven, geen humane studies. Onderzoekers betrokken bij de PUC-Rio-studie en Insilico Medicine framen hun werk beide als vernauwing van een zeer grote zoekruimte — miljoenen mogelijke moleculen of gendoelwitten — zodat schaarse laboratorium- en klinische middelen eerst aan de meest belovende kandidaten worden besteed.

• Verklaarbare AI (PUC-Rio): markeert welke aminozuurvolgorden in voedselafgeleide of synthetische peptiden waarschijnlijk antioxidanten zijn.
• LongevityBench / Longevity-LLMs / Longevity Claw (Insilico Medicine, met Buck Institute en Harvard Medical School): benchmark en rangschikking van gendoelwitten gekoppeld aan veroudering over omics-gegevenssets.
• ClockBase Agent (Gladyshev-onderzoeksteam): ontginnen bestaande openbare genomische gegevenssets om bestaande geneesmiddelen te markeren die zijn geassocieerd met langzamere biologische veroudering in diergegevens.