微新创想(Idea2003.com) 7月7日 消息：药物发现领域正迎来革命性突破，人工智能技术尤其是机器学习正以前所未有的效率重塑这一传统上昂贵且耗时的过程。通过智能化手段，科学家们不仅能够显著缩短研发周期，还能大幅降低成本，为全球医疗健康带来福音。最新研究成果显示，研究人员成功运用机器学习技术筛选出三种极具潜力的抗衰老Senolytics药物候选者，这些药物有望有效延缓衰老进程，并预防多种与年龄相关的疾病。
所谓”僵尸细胞”，是指虽仍保持生物活性却已丧失复制能力的细胞。虽然这类细胞无法分裂并非全然坏事——因为它们往往伴随着DNA损伤——但更令人担忧的是，它们会分泌一系列炎症蛋白质，这些蛋白质能够扩散至周围健康细胞，随着衰老细胞数量的累积，将逐步引发多种疾病。Senolytics药物的核心作用正是通过精准清除这些衰老细胞，从而改善相关疾病症状。目前全球已发现约80种潜在的Senolytics分子，但仅有两种完成了人体临床试验。
在传统药物研发模式下，寻找新型Senolytics药物需要耗费大量时间和资源。而本次研究创新性地引入机器学习模型，通过输入已知Senolytics和非Senolytics分子数据，训练AI模型建立预测模型。研究人员利用这一模型系统性地测试了4340种分子，仅用五分钟时间就生成了一份高概率Senolytics分子清单。经过生物实验验证，清单中的periplocin、oleandrin和ginkgetin三种分子展现出优异的细胞清除能力——它们能够特异性地消除僵尸细胞，同时最大限度保护正常细胞功能。
特别值得注意的是，oleandrin在生物活性测试中表现远超现有已知Senolytics药物。这种突破性进展得益于跨学科研究团队的紧密协作，数据科学家、化学家和生物学家通力合作，利用海量高质量数据训练机器学习模型，为药物研发开辟了全新路径。这种智能化方法不仅能够加速化学家和生物学家寻找治疗手段的进程，尤其对于尚未得到充分治疗的重大疾病具有重大意义。
研究人员已通过凋亡细胞实验验证了这三种候选药物的有效性，目前正开展人体肺组织测试以进一步评估其安全性和有效性。预计两年后将有更全面的研究成果公布，这一突破有望为抗衰老医学和年龄相关疾病治疗带来革命性进展。
