人工智慧在尋找逆轉衰老解方的競賽中，又寫下令人振奮的新篇章。一個AI系統透過分析龐大的生物數據，成功篩選出一種具備潛力的「長壽藥物」，並在初步的動物實驗中，顯著改善了與衰老相關的生理指標，為人類追求更長壽、更健康的未來點燃一盞新的明燈。
這項突破性的研究利用AI演算法，分析了一個名為「基因表達綜合資料庫」(GEO)的龐大公開數據集。根據Lifespan.io的報導，研究人員視這個資料庫為一個「巨大的錯失機會」，因為其中絕大多數實驗數據最初並非針對老化研究，因此其潛在價值長期被忽略。 AI系統的工作便是從中挖掘出可能影響老化過程的藥物或基因介入手段。
AI的分析結果令人驚喜。根據一篇發表於bioRxiv的預印本論文，系統不僅再次驗證了雷帕黴素(rapamycin)和二甲雙胍(metformin)等已知可減緩生物老化的藥物，還發現了一些意想不到的候選者。 其中最引人注目的是一種名為哇巴因(ouabain)的化合物，它是一種已知的細胞凋亡誘導劑(senolytic)，能清除衰老細胞。
這項發現的重要性在於，AI不僅僅是紙上談兵。研究團隊隨後在小鼠身上驗證了哇巴因的效果。根據Lifeboat Foundation引述的報導，實驗結果顯示，這種藥物顯著改善了小鼠的多項衰弱指標，包括認知能力與心臟功能等。 這證明AI模型成功地將一種潛在的抗衰老藥物從海量數據中識別出來。
近年來，AI已經成為藥物開發領域不可或缺的革命性工具。 傳統藥物研發既耗時又耗費鉅資，但先進的AI演算法能高效分析龐大的化學分子庫，快速鎖定針對老化相關疾病的潛力化合物。 根據MDPI期刊上的一篇評論，AI驅動的藥物篩選已成功識別出多種新型的細胞凋亡誘導劑。
放眼全球，多家生物科技公司正積極佈局AI抗老藥物研發。例如，總部位於新加坡的Gero公司最近發表了一個名為ProtoBind-Diff的AI模型。根據BioPharma BoardRoom的報導，這個模型獨特之處在於它僅需蛋白質的胺基酸序列即可生成候選藥物分子，無需依賴複雜的3D結構數據，大大擴展了可供分析的數據範圍。
Gero的執行長Peter Fedichev解釋，ProtoBind-Diff並非模擬物理過程，而是從數百萬個真實生物活性案例中學習「語法」。 這種創新的方法使其能夠針對那些缺乏結構資訊的「難以用藥」的蛋白質標靶，設計出全新的、具備高藥物潛力且易於合成的分子，目前已與輝瑞(Pfizer)等大廠展開合作。
另一家AI藥物研發的領導者Insilico Medicine，則以其端到端的Pharma.AI平台聞名。根據該公司發布的資訊，他們已利用生成式AI技術，建立了一個包含多種候選藥物的產品組合，鎖定心血管與代謝疾病等與老化高度相關的領域。 創辦人Alex Zhavoronkov博士表示，他們的目標是開發能真正延長人類健康壽命的藥物。
AI的應用不僅限於尋找新藥，更延伸至個人化醫療。 透過分析個人的基因、生活方式與環境數據，AI能夠量身打造醫療介入方案，降低老化相關疾病的風險。 此外，AI也被用於解碼與長壽相關的遺傳與表觀遺傳因素，以及開發預測生物年齡的「老化時鐘」。
儘管前景一片光明，但科學家們也強調，目前的研究仍處於早期階段。新加坡國立大學的Brian Kennedy教授在一項研究中指出，驗證AI系統的可靠性很重要，因為長壽介入措施未來可能被大量健康人群採用。 從AI發現到臨床應用，仍需經過嚴謹的人體試驗，以確保其安全性與有效性。
相關報導：ai2med.eu、trendsresearch.org
本文 AI重大發現：新演算法找到潛在「長壽藥物」，為抗老研究帶來新希望 授權來自 亞洲新聞網。
