Longevity & AgingArticolo di ricercaAccesso aperto

Un Nuovo Modello di IA Predice l'Invecchiamento Specifico degli Organi e Identifica Bersagli Farmacologici Anti-Invecchiamento

I ricercatori sviluppano un modello 2A in grado di monitorare i pattern di invecchiamento in 16 organi, rivelando che polmoni e reni invecchiano più rapidamente e identificando farmaci promettenti.

martedì 31 marzo 2026 0 visualizzazioni
Pubblicato in Genome Med
Split-screen microscopic view showing healthy young organ cells on left versus aged, damaged cells on right with visible cellular debris

Riepilogo

Gli scienziati hanno sviluppato il modello 2A, un sistema di intelligenza artificiale che monitora l'invecchiamento in 16 organi diversi utilizzando dati di espressione genica nei topi. Il modello ha rivelato che gli organi invecchiano a ritmi differenti, con polmoni e reni risultati i più vulnerabili. Ha identificato geni specifici che cambiano in modo prevedibile con l'età e ha previsto con successo quali farmaci potrebbero rallentare l'invecchiamento, tra cui metformin e altri due composti. Il modello ha superato le prestazioni degli strumenti esistenti per la valutazione dell'invecchiamento e potrebbe contribuire allo sviluppo di trattamenti anti-invecchiamento personalizzati.

Riepilogo Dettagliato

L'invecchiamento colpisce i diversi organi a velocità diverse, ma la maggior parte delle ricerche si è concentrata sul confronto tra individui giovani e anziani piuttosto che sul monitoraggio del graduale processo di invecchiamento. Questo studio colma tale lacuna sviluppando un modello completo di valutazione dell'invecchiamento, chiamato 2A, che monitora come 16 diversi organi invecchiano nel tempo.

I ricercatori hanno analizzato i dati di espressione genica di organi di topo in un arco di età compreso tra 1 e 27 mesi, identificando i cosiddetti "geni del trend di invecchiamento", che si modificano in modo prevedibile con l'avanzare dell'età. Hanno scoperto che ogni organo possiede una propria firma di invecchiamento unica, con polmoni e reni che mostrano la maggiore suscettibilità al declino legato all'età. Il modello ha rivelato che la disfunzione immunitaria e la morte cellulare programmata sono i principali motori dell'invecchiamento degli organi.

Il modello 2A ha dimostrato una precisione superiore rispetto agli orologi dell'invecchiamento esistenti quando testato su dati a singola cellula, e ha predetto con successo gli stati di invecchiamento in tessuti sia di topo che umani. È importante sottolineare che è stato in grado di prevedere l'efficacia con cui determinati trattamenti eliminano le cellule senescenti dai tessuti. I ricercatori hanno validato i propri risultati utilizzando molteplici dataset indipendenti e hanno confermato che l'accumulo di plasmacellule e la riduzione delle cellule naive avvengono in modo lineare durante l'invecchiamento.

Sfruttando le indicazioni fornite dal modello, il team ha condotto uno screening alla ricerca di potenziali farmaci anti-invecchiamento e ha identificato tre candidati promettenti: fostamatinib, ranolazine e metformin. Questi farmaci agiscono attraverso pathway che coinvolgono la regolazione della longevità e i ritmi circadiani. La capacità del modello di identificare pattern di invecchiamento specifici per ciascun organo apre nuove possibilità per terapie anti-invecchiamento di precisione, personalizzate in base ai singoli sistemi d'organo.

Questa ricerca rappresenta un significativo passo avanti nella comprensione di come l'invecchiamento influenzi le diverse parti del corpo e fornisce un quadro di riferimento per lo sviluppo di interventi mirati a rallentare il declino legato all'età in organi specifici.

Risultati Principali

  • Lungs and kidneys show highest susceptibility to aging among 16 organs studied
  • Each organ has unique aging gene signatures and timelines
  • Model identified fostamatinib, ranolazine, and metformin as anti-aging drug candidates
  • Immune dysfunction and cell death are primary drivers of organ aging
  • 2A model outperformed existing aging assessment tools in accuracy

Metodologia

I ricercatori hanno analizzato dati di sequenziamento RNA provenienti da 16 organi di topo nell'arco dell'aspettativa di vita (1-27 mesi), utilizzando il machine learning per identificare geni con andamento legato all'invecchiamento. Il modello 2A è stato validato utilizzando molteplici dataset indipendenti, tra cui campioni di tessuto umano e dati di sequenziamento a singola cellula.

Limitazioni dello Studio

Lo studio ha utilizzato principalmente modelli murini, rendendo necessaria la validazione in popolazioni umane. I candidati farmacologici identificati richiedono sperimentazioni cliniche per confermarne gli effetti anti-invecchiamento. La sicurezza e l'efficacia a lungo termine degli interventi organo-specifici devono ancora essere stabilite.

Ti è piaciuto questo riepilogo?

Ricevi ogni settimana le ultime ricerche sulla longevità direttamente nella tua casella email.

Inserisci la tua email per iscriverti: