导读 Integrated Biosciences(一家将合成生物学和机器学习相结合以针对衰老为目标的生物技术公司)的研究人员在《自然衰老》五月刊上发表的一篇...
Integrated Biosciences(一家将合成生物学和机器学习相结合以针对衰老为目标的生物技术公司)的研究人员在《自然衰老》五月刊上发表的一篇新出版物展示了人工智能(AI)发现新型senolytic化合物的力量，这是一类正在深入研究的小分子，因为它们能够抑制与年龄相关的过程，如纤维化， 炎症和癌症。
这篇题为 使用深度神经网络发现小分子senolytics 的论文是与麻省理工学院(MIT)和麻省理工学院和哈佛大学博德研究所的研究人员合作撰写的，描述了人工智能引导的超过800万种化合物的筛选，以揭示三种候选药物，其疗效和药物化学特性与目前正在研究的senolytics相当。
这项研究结果是长寿研究和人工智能应用于药物发现的重要里程碑， Integrated Biosciences的联合创始人，该出版物的第一作者Felix Wong博士说。 这些数据表明，我们可以在计算机中探索化学空间，并出现多种候选抗衰老化合物，这些化合物更有可能在临床上取得成功，与今天正在研究的最有希望的例子相比。
Senolytics是在不再分裂的衰老细胞中选择性诱导细胞凋亡或程序性细胞死亡的化合物。衰老细胞是衰老的标志，与广泛的年龄相关疾病和病症有关，包括癌症、糖尿病、心血管疾病和阿尔茨海默病。尽管临床结果有希望，但迄今为止发现的大多数senolytic化合物都受到生物利用度差和不良副作用的阻碍。Integrated Biosciences成立于2022年，旨在克服这些障碍，针对其他被忽视的衰老标志，并使用人工智能，合成生物学和其他下一代工具更广泛地推进抗衰老药物的开发。
治疗与年龄有关的疾病的最有希望的途径之一是确定治疗干预措施，选择性地从体内去除这些细胞，类似于抗生素如何在不伤害宿主细胞的情况下杀死细菌。我们发现的化合物显示出高选择性，以及产生成功药物所需的有利药物化学特性， 综合生物科学公司衰老生物学负责人，该出版物的联合第一作者Satotaka Omori博士说。 我们相信，使用我们的平台发现的化合物将在临床试验中改善前景，并最终有助于老年人恢复健康。
在他们的新研究中，Integrated Biosciences研究人员在实验生成的数据上训练深度神经网络，以预测任何分子的senolytic活性。使用这个人工智能模型，他们从超过800万个分子的化学空间中发现了三种高度选择性和有效的senolytic化合物。这三种药物均显示出提示高口服生物利用度的化学特性，并且在溶血和遗传毒性试验中被发现具有良好的毒性特征。
结构和生化分析表明，所有三种化合物都结合Bcl-2，Bcl-80是一种调节细胞凋亡的蛋白质，也是化疗靶标。在80周龄小鼠(大致相当于 岁的人类)中测试其中一种化合物的实验发现，它清除了衰老细胞并减少了肾脏中衰老相关基因的表达。
这项工作说明了人工智能如何用于使医学更接近解决衰老的疗法，这是生物学的基本挑战之一， 麻省理工学院医学工程与科学Termeer教授兼综合生物科学科学顾问委员会的创始James J. Collins博士说。柯林斯博士是《自然老龄化》论文的资深作者，他领导的团队在 2020 年发现了第一种通过机器学习鉴定的抗生素。
综合生物科学建立在我的学术实验室在过去十年左右所做的基础研究的基础上，表明我们可以使用系统和合成生物学来靶向细胞应激反应。这种实验性的力量和产生它的恒星平台使这项工作在药物发现领域脱颖而出，并将推动长寿研究的实质性进展。
