Netzwerkwissenschaft enthüllt, welche bestehenden Medikamente die Kennzeichen des Alterns anvisieren könnten
Forscher der Northeastern University und der Harvard University kartierten 6.442 Wirkstoffe anhand von Protein-Interaktionsnetzwerken gegen Alterungsmarker-Gene, um Langlebigkeitskandidaten zu identifizieren.
Zusammenfassung
Wissenschaftler haben eine netzwerkbasierte Methode entwickelt, um bereits zugelassene Medikamente zu identifizieren, die den Alterungsprozess verlangsamen könnten. Mithilfe einer Protein-Interaktionskarte, dem sogenannten Interaktom, verknüpften Forscher der Northeastern University und der Harvard University 1.250 alterungsbezogene Gene mit den Kennzeichen des Alterns und testeten anschließend 6.442 bekannte Verbindungen auf ihre Nähe zu diesen Gengruppen. Medikamente, deren Proteinziele sich in enger Nachbarschaft zu den Hallmark-Genmodulen befinden, werden als Kandidaten für die Verlangsamung von Alterungsprozessen markiert. Dieser Ansatz umgeht die jahrzehntelange Wartezeit, die direkte Lebensdauerstudien erfordern würden, indem er die Netzwerknähe als Stellvertretersignal nutzt. Die in Nature Aging veröffentlichte Studie bietet einen systematischen, datengetriebenen Weg zur Umwidmung bereits zugelassener Medikamente als potenzielle Langlebigkeitstherapeutika und schränkt das Feld der in zukünftigen Studien zu testenden Kandidaten erheblich ein.
Detaillierte Zusammenfassung
Das Altern wird von Tausenden interagierender Gene gesteuert, was es außerordentlich schwierig macht zu bestimmen, welche Medikamente diesen Prozess verlangsamen könnten. Eine neue Studie, die in Nature Aging von der Northeastern University und Harvard veröffentlicht wurde, schlägt einen eleganten Abkürzungsweg vor: die Mathematik von Protein-Interaktionsnetzwerken zu nutzen, um vorherzusagen, welche bereits zugelassenen Medikamente am wahrscheinlichsten in die biologischen Mechanismen des Alterns eingreifen.
Das Forschungsteam unter der Leitung des Physikers Albert-László Barabási und des Postdoktoranden Bnaya Gross baute auf dem etablierten Rahmen der Netzwerkmedizin auf. Dieser Ansatz bildet Proteine als Knoten in einem riesigen, miteinander verbundenen Graphen ab – dem menschlichen Interaktom –, der über 500.000 experimentell gestützte Interaktionen enthält. Krankheitsbezogene Gene neigen dazu, sich in identifizierbare Module innerhalb dieses Netzwerks zu gruppieren. Das Team wandte dieselbe Logik auf die Kennzeichen des Alterns an und behandelte jedes Kennzeichen als sein eigenes krankheitsähnliches Modul.
Ausgehend von der OpenGenes-Datenbank identifizierten die Forscher 2.358 altersbezogene Gene, von denen 1.250 mindestens einem Kennzeichen zugeordnet werden konnten. Anschließend bewerteten sie 6.442 Verbindungen aus DrugBank und maßen die Netzwerknähe jedes Medikaments – im Wesentlichen, wie nah seine Proteinziele an den Hallmark-Gen-Clustern liegen. Kürzere Abstände legen nahe, dass ein Medikament Alterungspfade wahrscheinlicher bedeutsam beeinflussen kann.
Zu den wichtigsten Erkenntnissen zählt der Befund, dass viele Gene mehrere Kennzeichen überspannen, was auf gemeinsame molekulare Mechanismen in Alterungsprozessen hinweist. Das Gen <em>TP53</em> allein verbindet sieben Kennzeichen. Genau diese Vernetzung erfasst die Netzwerkanalyse besonders gut und zeigt, dass Altern keine zufällige Anhäufung genetischer Ereignisse ist, sondern ein organisiertes, kartierbares System.
Für gesundheitsbewusste Personen und Kliniker ist die praktische Bedeutung erheblich: Dieses Rahmenwerk könnte die Umwidmung bestehender Medikamente für Langlebigkeitsanwendungen beschleunigen und langwierige Entwicklungszeiten umgehen. Die Netzwerknähe ist jedoch ein rechnerischer Näherungswert und keine klinische Garantie. Validierungen in Tiermodellen und klinischen Studien am Menschen werden unverzichtbar sein, bevor ein bestimmtes Medikament für einen altersbezogenen Einsatz empfohlen werden kann.
Wichtigste Erkenntnisse
- 1,250 aging-related genes were mapped onto the human interactome and organized by hallmarks of aging.
- 6,442 existing approved compounds were scored for network proximity to hallmark gene clusters as longevity candidates.
- TP53 spans seven hallmarks, illustrating how shared molecular machinery links multiple aging processes.
- Network proximity provides a faster computational proxy for identifying anti-aging drug candidates than direct lifespan studies.
- The method builds on 15 years of network medicine research previously applied to heart disease, asthma, and COVID-19.
Methodik
Dies ist eine Forschungszusammenfassung einer begutachteten Studie, die in Nature Aging veröffentlicht wurde, einer hochrangigen Fachzeitschrift. Die Evidenzgrundlage ist computergestützt und basiert auf Netzwerk-Näheanalysen über kuratierte Gen- und Wirkstoffdatenbanken. Es werden keine klinischen Studiendaten präsentiert; die Erkenntnisse sind hypothesengenerierend und erfordern experimentelle Validierung.
Studienlimitierungen
Die Studie stützt sich auf rechnerische Netzwerknähe als Näherungswert für biologische Wirksamkeit, was bisher nicht anhand menschlicher Langlebigkeitsergebnisse validiert wurde. Nur 26 von 2.358 Alterungsgenen weisen das höchste Konfidenz-Niveau auf, was bedeutet, dass ein Großteil des Gensets auf schwächeren Belegen beruht. Für vollständige Wirkstoffkandidatenlisten und verwendete statistische Schwellenwerte sollte die Primärquelle konsultiert werden.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: