研究表明药物发现领域的首次突破：人工智能可应对衰老的真正复杂性

斯克里普斯研究所和生物科技公司 Gero 的一项新研究表明，人工智能不仅可用于加速药物发现，还能从根本上改变药物发现的方式 —— 通过针对生物衰老的全部复杂性。

　　

发表在《衰老细胞》杂志上的一项新研究表明，人工智能不仅可用于加速药物发现，还能从根本上改变药物发现的方式 —— 通过针对生物衰老的全部复杂性。

在斯克里普斯研究所与专注于衰老研究的生物科技公司 Gero 的合作中，科学家开发了一种机器学习模型，该模型经过训练可识别作用于多个生物通路的化合物 —— 这一过程被称为多药理学。该系统不寻求单一的 “灵丹妙药”，而是将衰老视为一个复杂的、多因素的过程，并找到与之匹配的药物。

当在秀丽隐杆线虫（衰老研究中广泛使用的模式生物）中进行测试时，这些化合物在超过 75% 的案例中延长了寿命。其中一种化合物使寿命延长了 74%，使其成为该模型中有史以来记录的最有效的延寿化合物之一。

“传统药物发现痴迷于精准性，旨在像激光一样聚焦于调节单一通路，”Gero 首席执行官Peter Fedichev博士说，“但衰老并非如此。它是系统性的、相互交织的，无法用一维的解决方案来应对。这正是我们的方法所接受的。”

直到最近，由于涉及的复杂性和副作用风险增加，在大多数医学研究领域，有意设计多靶点药物被认为是不切实际的。这类化合物通常被丢弃而不是开发。Fedichev等人的研究表明，人工智能现在可以应对这种复杂性，使他们的研究成为已知的首个通过人工智能有意（而非偶然）成功设计用于衰老的多药理学干预措施的例子。

“这不仅仅是一个渐进的步骤。这是一个真正的变革，它表明，人工智能可以帮助研究人员解决比他们在没有帮助的情况下所能解决的复杂得多的生物学问题。”

一个更广泛的发现模型
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疗法奠定了基础。

“主要影响在于未来开发可以延长寿命和治疗慢性老年病的药物，有意的多药理学增加了疗效的可能性，因为衰老不是一个系统的失败——而是许多系统同时逐渐崩溃。”

这项研究是在斯克里普斯研究所彼得拉舍克的实验室进行的，得到了美国国立卫生研究院的支持。费迪切夫和Gero提供了人工智能算法，该算法为研究识别和选择了化合物。

AI-Driven Identification of Exceptionally Efficacious Polypharmacological Compounds That Extend the Lifespan of Caenorhabditis elegans