ИИ находит новые anti-aging препараты: прорыв Scripps и Gero

В 2025 году команда из Scripps Research Institute совместно с компанией Gero AI опубликовала результаты, которые мы считаем переломными. Используя нейросетевые модели, обученные на данных миллионов людей, исследователи идентифицировали принципиально новые молекулярные мишени старения — такие, которые человек-исследователь не мог бы найти традиционными методами — и нашли малые молекулы, воздействующие на них. Комбинация трёх таких молекул продлила жизнь нематодам на 45% — с синергетическим эффектом, превышающим сумму индивидуальных действий. Мы разберём это подробно.

Gero — необычная компания. Основанная Петром Федичевым, физиком-теоретиком с PhD в области статистической механики, она подходит к старению как к физической, а не биологической проблеме. Команда — около 40 человек, преимущественно физики и математики с биологическим опытом.

Ключевое открытие Gero (Nature Communications, 2021) — концепция DOSI (Dynamic Organism State Indicator). Анализируя данные носимых устройств сотен тысяч людей из UK Biobank (физическая активность, вариабельность сердечного ритма, паттерны сна, суточная динамика), Gero обнаружила фундаментальный параметр: скорость восстановления организма после возмущений. Молодой организм быстро возвращается к базовому уровню после стресса. Старый — медленно или не полностью. Эта скорость монотонно снижается с возрастом и экстраполируется к нулю примерно к 120-150 годам — что объясняет видимый предел человеческой жизни не через конкретный биологический механизм, а через потерю системной устойчивости.

Федичев называет это «критическим замедлением» — термином из физики фазовых переходов. Организм приближается к критической точке, за которой он не может поддерживать гомеостаз. Любое возмущение — инфекция, травма, стресс — может стать фатальным. Старение, в этом фреймворке, — это не накопление повреждений, а потеря способности с ними справляться.

Практическое следствие: терапия должна не столько «чинить повреждения», сколько восстанавливать способность организма самому справляться с ними. ИИ используется для идентификации молекулярных рычагов, влияющих на системную устойчивость.

Подход Scripps/Gero принципиально отличается от традиционного. Вместо анализа отдельных механизмов (теломеры, митохондрии, сенесценция), ИИ-модель обучается на интегральных данных старения: экспрессия генов из GTEx и Human Protein Atlas (сотни тысяч образцов), протеомика плазмы (SomaLogic и Olink данные из UK Biobank, ~55,000 участников), электронные медицинские карты (CPRD, Optum — миллионы пациентов), генетические ассоциации из биобанков (UK Biobank, FinnGen, All of Us — суммарно >5 миллионов человек), данные носимых устройств (Apple HealthKit, Fitbit — через партнёрства).

Модель — custom трансформер с 2 миллиардами параметров, обученный на этих данных — ищет «узлы»: точки в сети биологических взаимодействий, воздействие на которые каскадно влияет на множество процессов старения. Аналогия: вместо замены каждой ржавой детали в механизме, найти смазку, предотвращающую ржавение всех деталей одновременно.

Важное техническое замечание: модель обучается на корреляционных данных, но для валидации используются каузальные методы — менделианская рандомизация (использование генетических вариантов как «натуральных экспериментов» для проверки причинно-следственных связей), CRISPR-скрины (систематическое выключение генов-кандидатов) и интервенционные эксперименты на модельных организмах.

Результат: три ранее неизвестных мишени старения (названия на стадии патентной защиты).

Мишень 1 — регулятор компартментализации NAD+. Известно, что NAD+ снижается с возрастом, и NMN/NR повышают его. Но ИИ нашёл нечто более тонкое: белок, контролирующий распределение NAD+ между ядром, митохондриями и цитоплазмой. С возрастом это распределение нарушается: NAD+ «утекает» из митохондрий в цитоплазму, где быстро деградируется CD38. Модуляция этого белка восстанавливает молодой паттерн распределения — более стабильный и эффективный эффект, чем простое повышение общего уровня.

Мишень 2 — переключатель стресс-ответа (ISR, Integrated Stress Response). ИИ обнаружил белок, который с возрастом переключает клеточный ответ на стресс с «ремонт» (аутофагия, шапероны, антиоксиданты) на «самоуничтожение» (апоптоз) или «хроническое воспаление» (SASP). Ингибирование этого переключателя в стареющих клетках возвращало молодой паттерн: клетки чинили повреждения вместо самоуничтожения.

Мишень 3 — регулятор экзосомального содержимого. С возрастом состав экзосом (нановезикул для межклеточной коммуникации) меняется: молодые клетки отправляют регенеративные сигналы, старые — токсичные (провоспалительные цитокины, про-старческие микроРНК). ИИ нашёл ферментный комплекс, загружающий содержимое в экзосомы; его модуляция меняла «старый» состав экзосом на «молодой».

Ни одна из мишеней не была известна в контексте старения. ИИ нашёл их, анализируя паттерны, невидимые для человеческого мозга.

Chemistry42 от Insilico Medicine сгенерировала тысячи кандидатов для каждой мишени, отфильтровала по Ki/IC50 < 100 нМ, селективности >100x, отсутствию токсичности, пероральной биодоступности > 30%. Из тысяч осталось 50-100 на мишень, синтезированы и протестированы in vitro. 12 химиков за 6 месяцев сделали работу 50 химиков за 4 года.

In vitro (IMR-90, WI-38 фибробласты): все три молекулы снизили маркеры сенесценции (p16, p21, SA-beta-gal) на 30-50%, увеличили пролиферацию на 40-60%.

C. elegans: молекула 1 — +25% жизни, молекула 2 — +18%, молекула 3 — +22%. Комбинация всех трёх: +45% — синергизм, превышающий арифметическую сумму (эффекты не складываются линейно в биологии, но 45% при комбинации vs 18-25% по отдельности — явный синергизм).

Мыши (C57BL/6J, 18 мес., молекула 1, 6 месяцев): мышечная сила +20%, когнитивные функции +15%, эпигенетический возраст -3 мес., IL-6 -30%, NAD+ в печени +60%, в мозге +40%. Данные по продолжительности жизни и полная комбинация — 2026-2027.

Доказательство принципа: ИИ находит мишени, которые человек пропускал 30 лет. Системный подход работает: три узла → каскадный эффект → синергизм при комбинации. Скорость: от данных до кандидата — менее года (vs 5-7 лет традиционно). Масштабируемость: тот же подход применим к любому аспекту старения.

C. elegans — нематода длиной 1 мм, отделённая от человека сотнями миллионов лет эволюции. Мышиные данные неполные. Ни одна молекула не прошла GLP-токсикологию. ИИ находит корреляции, не каузации — нужна экспериментальная верификация каждой мишени. Но первые данные верификации (CRISPR-скрины, менделианская рандомизация) подтверждают предсказания модели.

Работа Scripps/Gero — одна из важнейших публикаций 2025 года в longevity. Не из-за конкретных молекул, а из-за доказательства: ИИ может находить то, что наука пропускала десятилетиями. В ближайшие 3-5 лет ИИ идентифицирует десятки новых мишеней — больше, чем за предыдущие 30 лет. Конвергенция ИИ и биологии старения уже меняет правила игры. Scripps/Gero — один из первых, но далеко не последних примеров.

Если ИИ способен находить мишени старения, которые человеческая наука пропускала десятилетиями, — не означает ли это, что мы систематически недооценивали сложность старения, и впереди нас ждёт ещё больше сюрпризов?