综合生物科学公司的研究人员最近在《自然·衰老》杂志上发表论文，展示了如何利用人工智能识别新的senolytic化合物（一类因其抑制衰老相关过程如纤维化、炎症和癌症的潜力而受到广泛关注的小分子）。该论文是综合生物科学公司与麻省理工学院和博德研究所研究人员合作的结果，概述了对超过80万种化合物进行的人工智能主导分析，成功识别出三种候选药物，其疗效与目前正在研究的senolytics相当，且具有更优越的药物化学特性。

衰老研究的新领域

Senolytics是选择性诱导不再分裂的衰老细胞凋亡的化合物。作为衰老的标志，衰老细胞已被证明与广泛的年龄相关疾病和状况有关，包括癌症、糖尿病、心血管疾病和阿尔茨海默病。尽管临床结果有希望，但迄今为止确定的大多数senolytic化合物一直受到生物利用度差和不良副作用的阻碍。

AI驱动的选择性Senolytics发现

在他们的新研究中，综合生物科学公司的研究人员在实验生成的数据上训练深度神经网络，以预测任何分子的senolytic活性。使用这个AI模型，他们从超过80万个分子的化学空间中发现了三种高选择性和强效的senolytic化合物。所有三种化合物都显示出高口服生物利用度的化学特性，并在溶血和基因毒性测试中发现了有利的毒性特征。结构和生化分析表明，所有三种化合物都结合Bcl-2，这是一种调节凋亡的蛋白质，也是化疗靶点。在80周龄小鼠（大致相当于80岁人类）中测试其中一种化合物的实验发现，它清除了衰老细胞并减少了肾脏中衰老相关基因的表达。

参考信息
“Discovering small-molecule senolytics with deep neural networks” by Felix Wong et al., 4 May 2023, Nature Aging.
DOI: 10.1038/s43587-023-00415-z