KI-Agenten entdecken Anti-Aging-Medikamente durch die Analyse von 2 Millionen molekularen Profilen
Ein autonomes KI-System hat Millionen von Studien neu analysiert, um über 500 Interventionen zu identifizieren, die das biologische Alter reduzieren – darunter auch die Validierung von Ouabain in Mäusen.
Zusammenfassung
Forscher entwickelten ClockBase Agent, ein KI-System, das autonom 2 Millionen menschliche und mäusliche Molekularprofile aus Jahrzehnten der Forschung mithilfe von mehr als 40 Alterungsuhren neu analysierte. Die KI entdeckte über 500 Interventionen, die das biologische Alter signifikant reduzieren – Effekte, die den ursprünglichen Forschern entgangen waren, da diese nicht das Altern untersuchten. Das System identifizierte Ouabain, ein Herzmedikament, als vielversprechendsten Anti-Aging-Kandidaten und validierte es an gealterten Mäusen, wobei es reduzierte Gebrechlichkeit, verbesserte Herzfunktion und verringerte Gehirnentzündung zeigte. Dies stellt ein neues Paradigma dar, bei dem KI systematisch alle vergangenen Forschungsergebnisse nach Langlebigkeits-Interventionen durchsucht.
Detaillierte Zusammenfassung
Wissenschaftler haben das erste KI-System entwickelt, das eigenständig Anti-Aging-Interventionen entdecken kann, indem es jahrzehntelange Molekularforschung neu auswertet. Der ClockBase Agent verarbeitete 2 Millionen menschliche und Mausproben aus öffentlichen Datenbanken und wandte über 40 Alterungsuhren an, um biologische Alterseffekte zu identifizieren, nach denen die ursprünglichen Forscher nie gesucht hatten.
Die KI analysierte 43.602 Interventions-Kontroll-Vergleiche aus genetischen Modifikationen, Medikamenten, Umweltexpositionen und Krankheitsmodellen. Dabei entdeckte sie 5.756 signifikante alterungsmodifizierende Effekte, darunter über 500 Interventionen, die das biologische Alter reduzieren. Zu den vielversprechendsten Kandidaten zählten Ouabain (ein Herzglykosid), KMO-Inhibitoren, Fenofibrat sowie verschiedene genetische Knockouts.
Es zeichneten sich dabei klare Muster ab: Deutlich mehr Interventionen beschleunigen die Alterung, als sie zu verlangsamen; Krankheitszustände erhöhen das biologische Alter überwiegend; und genetische Loss-of-Function-Ansätze übertreffen Gain-of-Function-Strategien hinsichtlich Anti-Aging-Effekten. Die identifizierten Interventionen konzentrierten sich auf bekannte Langlebigkeitspfade wie mTOR, Autophagie und zelluläre Seneszenz.
Zur Validierung ihres Ansatzes testeten die Forscher Ouabain – ein Herzmedikament, das von der KI identifiziert, aber bisher nie auf Anti-Aging-Effekte untersucht worden war. Bei gealterten Mäusen reduzierte die Ouabain-Behandlung das Fortschreiten von Gebrechlichkeit, verbesserte die Herzfunktion und verringerte Neuroinflammation – womit die Vorhersage der KI bestätigt wurde.
Diese Arbeit begründet ein neues Paradigma, in dem spezialisierte KI-Agenten systematisch die gesamte historische Forschung neu auswerten, um alterungsrelevante Erkenntnisse zu gewinnen. Indem standardisierte Alterungsbiomarker auf Experimente angewendet werden, die ursprünglich nicht zur Untersuchung von Langlebigkeit konzipiert wurden, verwandelt das System das gesamte Archiv der Molekularforschung in eine Entdeckungsmaschine für Alterungsinterventionen – mit dem Potenzial, die Identifikation von Substanzen zu beschleunigen, die die gesunde Lebensspanne des Menschen verlängern könnten.
Wichtigste Erkenntnisse
- AI system identified 500+ interventions that significantly reduce biological age from existing data
- Ouabain treatment reduced frailty and improved cardiac function in aged mice
- Loss-of-function genetic approaches consistently outperform gain-of-function for anti-aging
- Disease states predominantly accelerate biological aging across all datasets
- More interventions accelerate aging than slow it, revealing fundamental biological constraints
Methodik
Forscher verarbeiteten 2 Millionen Proben mithilfe von mehr als 40 Alterungsuhren und setzten anschließend KI-Agenten ein, um 43.602 Interventions-Kontroll-Vergleiche autonom zu analysieren. Das System generierte Hypothesen, führte statistische Analysen durch und recherchierte die Fachliteratur, um altersmodifizierende Effekte mit einem zusammengesetzten Bewertungssystem zur Priorisierung zu identifizieren.
Studienlimitierungen
Dies ist eine Preprint-Studie, die einer Begutachtung bedarf. Die KI-Analyse stützt sich auf transkriptomische Alterungsuhren, die möglicherweise nicht alle Aspekte des biologischen Alterns erfassen. Die experimentelle Validierung beschränkte sich auf eine Verbindung (Ouabain) an Mäusen, und die Übertragbarkeit auf den Menschen muss noch nachgewiesen werden.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: