Как искусственный интеллект находит новые молекулярные мишени для здорового старения

Ученые, изучающие старение, получили новый инструмент: системы искусственного интеллекта, которые могут сканировать тысячи молекул или наборы генетических данных за дни и выделить несколько наиболее вероятных молекул, влияющих на старение клеток. Несколько проектов, опубликованных на прошлой неделе, показывают, как это работает на практике — среди них лаборатория бразильского университета, международная биотехнологическая компания и исследовательская группа, анализирующая большие общедоступные геномные базы данных — и все они нацелены на одну и ту же основную проблему: окислительный стресс и клеточное повреждение, которые накапливаются с возрастом.

Объяснимая модель искусственного интеллекта ищет антиоксидантные пептиды

В Pontifical Catholic University of Rio de Janeiro (PUC-Rio) команда под руководством профессора химии André Silva Pimentel, работающая с исследователями Maria Carolina J. A. Schneider и Marina Geisiely Damaso Godinho Alves, опубликовала исследование об объяснимом искусственном интеллекте, применяемом к антиоксидантным пептидам, согласно статье, которую команда написала для The Conversation Brasil 5 октября 2026 года. Пептиды — это короткие цепочки аминокислот, которые встречаются естественным образом в пищевых белках или могут быть синтезированы, и некоторые из них могут нейтрализовать свободные радикалы — нестабильные молекулы, которые повреждают клетки при их накоплении быстрее, чем системы антиоксидантов организма могут их удалить.

Группа PUC-Rio использовала метод, называемый объяснимым искусственным интеллектом, который отличается от стандартных моделей машинного обучения в одном ключевом аспекте: вместо того чтобы только выдать прогноз, он также показывает, какие части последовательности аминокислот пептида в наибольшей степени повлияли на этот прогноз. По словам исследователей, это позволяет ученым увидеть, какие структурные особенности делают пептид более вероятным для действия в качестве антиоксиданта, вместо того чтобы рассматривать искусственный интеллект как черный ящик. Работа была профинансирована FAPERJ, государственным исследовательским фондом Рио-де-Жанейро, и была также освещена бразильским СМИ Brasil em Folhas, которое описало ту же лабораторию и методологию.

Практическая ценность, как писали исследователи, — это скорость: вместо того чтобы тестировать в лаборатории большое количество кандидатов-пептидов один за другим, модель искусственного интеллекта сокращает длинный список до нескольких последовательностей, наиболее достойных экспериментального тестирования. Команда заявила, что потенциальные применения выходят за пределы антивозрастной косметики и нутрицевтиков к исследованиям заболеваний, связанных с окислительным стрессом, таких как болезнь Альцгеймера, болезнь Паркинсона и рак — хотя они описали это как направление для дальнейшего изучения, а не законченное лечение.

Более крупные системы искусственного интеллекта сканируют геномы и библиотеки лекарств в поисках мишеней старения

Отдельный, более масштабный проект исходит от Insilico Medicine, биотехнологической компании, разрабатывающей инструменты искусственного интеллекта для открытия лекарственных препаратов. 17 сентября 2026 года компания опубликовала исследование на обложке журнала Cell, посвященное открытому набору инструментов для исследований долголетия, созданному совместно с Liquid AI, Buck Institute for Research on Aging, Harvard Medical School и Brigham and Women's Hospital, согласно собственному объявлению Insilico Medicine.

Набор инструментов состоит из трех частей: LongevityBench, ориентир, который тестирует, насколько хорошо модели искусственного интеллекта рассуждают о биологии старения на пяти типах данных, включая генетику и протеомику; Longevity-LLMs, семейство компактных языковых моделей (от 0,6 до 9 миллиардов параметров), обученных специально на данных, связанных со старением; и Longevity Claw, автономная исследовательская платформа, предназначенная для определения и ранжирования возможных мишеней, связанных со старением. Insilico Medicine сообщила, что ее специализированная модель с 9 миллиардами параметров совпадала или превосходила 16 передовых универсальных систем искусственного интеллекта в задачах по биологии старения, и что Longevity Claw предложила 328 кандидатных мишеней для вмешательств, связанных со старением, которые, как говорит компания, показали обогащение в 5,6 раза для генов, связанных со старением, в сравнении с независимо опубликованным набором экспериментально подтвержденных мишеней старения.

Третий подход, описанный сайтом Lifespan.io, занимающимся исследованиями старения, использовал инструмент искусственного интеллекта под названием ClockBase Agent — созданный командой под руководством исследователя Vadim Gladyshev — для анализа более 2 миллионов существующих наборов RNA-sequencing и эпигенетических данных, охватывающих 43 529 записанных биологических вмешательств. Система выявила известные лекарственные препараты, включая рапамицин, метформин, фенофибрат и уабаин, как связанные с более медленным биологическим старением в данных; Lifespan.io сообщила, что при последующих тестах на мышах в возрасте 20 месяцев трехмесячное лечение уабаином было связано с улучшением показателей хрупкости, когнитивной деятельности, состояния шерсти и функции сердца, хотя препринт, описывающий полное исследование, был опубликован в ноябре 2025 года и не был подтвержден в испытаниях на людях.

Что показывает и что не показывает это исследование

Ни один из этих проектов не утверждает, что создал одобренное лечение от старения. Модель пептидов PUC-Rio и список мишеней Insilico Medicine — это инструменты прогнозирования, предназначенные для определения приоритетов кандидатов для лабораторного и клинического тестирования, а не законченные терапии. Выводы об уабаине, описанные Lifespan.io, поступают из экспериментов на животных, а не из испытаний на людях. Исследователи, участвующие в исследовании PUC-Rio и Insilico Medicine, представляют свою работу как сужение очень большого пространства поиска — миллионов возможных молекул или генных мишеней — так чтобы дефицитные лабораторные и клинические ресурсы тратились на тестирование наиболее перспективных кандидатов в первую очередь.

• Объяснимый искусственный интеллект (PUC-Rio): выявляет, какие последовательности аминокислот в пептидах пищевого происхождения или синтетических, вероятно, являются антиоксидантами.
• LongevityBench / Longevity-LLMs / Longevity Claw (Insilico Medicine, совместно с Buck Institute и Harvard Medical School): ориентир и ранжирование генных мишеней, связанных со старением, на наборах данных omics.
• ClockBase Agent (исследовательская группа Gladyshev): анализирует существующие общедоступные геномные наборы данных для выявления существующих лекарственных препаратов, связанных с более медленным биологическим старением в данных животных.