一项发表在《Aging Cell》杂志上的新研究表明，人工智能不仅可以加速药物发现，还能从根本上转变其方式——通过针对生物衰老的全复杂性设计药物。这项研究由斯克里普斯研究所（Scripps Research）和专注于抗衰老研究的生物技术公司Gero合作完成。 研究人员开发了一种机器学习模型，该模型能够识别作用于多个生物通路的化合物，这一过程被称为多靶点药物设计（polypharmacology）。传统的药物发现方法通常注重精确地调节单一通路，而这种新的方法则承认衰老是一个复杂的、多因素的过程，因此寻找可以全面作用的药物。 该模型首先通过算法筛选出潜在的多靶点化合物，然后在模式生物秀丽隐杆线虫（Caenorhabditis elegans）中进行了测试。结果显示，超过75%的化合物能够延长线虫的寿命，其中一种化合物使线虫的寿命延长了74%，成为迄今为止线虫寿命延长效果最好的化合物之一。 这一成就的意义在于，它首次证明了AI能够有意向地、系统地设计出多靶点的抗衰老药物，而不只是偶然发现。这标志着药物设计领域的一个重大突破，展示了AI可以帮助研究者解决比过去更为复杂的生物学问题。 研究人员指出，这种方法不仅适用于抗衰老药物的设计，还可能促进治疗慢性疾病的新一代系统性药物的开发。因为许多与年龄相关的慢性疾病都是多系统逐渐失调的结果，而不是单一系统的问题，所以多靶点药物设计的思路可以提高治疗效果。 Gero公司的CEO彼得·费迪切夫博士（Dr. Peter Fedichev）表示，传统药物发现过于关注单一路径的精确调节，但衰老是一个系统性的、交互作用的过程，需要更全面的解决方案。斯克里普斯研究所的迈克尔·佩特拉斯切尔教授（Dr. Michael Petrascheck）称，这不仅是量的变化，更是质的飞跃，AI能够帮助研究人员应对以往难以单独解决的指数级复杂生物问题。 佩特拉斯切尔教授进一步强调，这项研究将对未来开发延寿药物和治疗与年龄相关的慢性疾病产生深远影响。通过有意的设计多靶点药物，这种新方法提高了药物的有效性，因为它承认aging不是一个系统的失败，而是多个系统同时逐渐衰退的结果。 除了在实验室中的成功，这种新方法也为未来的药物开发提供了新的思路。它表明，通过AI辅助设计，研究人员可以更加高效地探索多系统、互相关联的生物过程，从而开发出更具潜力的疗法。