寻找新药——称为“药物发现”——是一项昂贵而耗时的任务。但是一种称为机器学习的人工智能可以大大加快这个过程，并以一小部分的价格完成这项工作。
最近使用了这项技术发现了三种有前途的衰老抑制药物候选物——能够延缓衰老并预防与衰老相关的疾病的药物。
衰老抑制药物通过杀死衰老细胞来起作用。这些细胞是“活着的”(代谢活跃的)，但已经无法复制，因此被称为僵尸细胞。
无法复制并不一定是坏事。这些细胞的DNA受到了损伤——例如，被太阳光线损伤的皮肤细胞——所以停止复制可以阻止损伤扩散。
但是衰老细胞并不总是好事。它们分泌一种由炎症蛋白组成的鸡尾酒，可以传播到邻近的细胞。在一生中，我们的细胞遭受了各种攻击，从紫外线到化学物质的暴露，因此这些细胞会积累起来。
衰老细胞的数量增加与一系列疾病有关，包括2型糖尿病、新冠肺炎、肺纤维化、骨关节炎和癌症。
实验室小鼠的研究表明，使用衰老抑制药物消除衰老细胞可以改善这些疾病。这些药物可以杀死僵尸细胞，同时保持健康细胞的存活。
目前已知约80种衰老抑制药物，但只有两种在人体上进行了测试：达沙替尼和槲皮素的组合。如果能找到更多可以用于各种疾病的衰老抑制药物就好了，但是一个药物要想上市，需要10到20年的时间和数十亿美元的资金。
我和我的同事——包括来自爱丁堡大学和西班牙国家科学委员会IBBTEC-CSIC圣坦德分部的研究人员——想知道我们是否能够训练机器学习模型来识别新的衰老抑制药物候选物。
为了做到这一点，我们用已知的衰老抑制药物和非衰老抑制药物的例子来训练AI模型。模型学会了区分两者，并可以用来预测它们以前从未见过的分子是否也可能是衰老抑制药物。
解决一个机器学习问题时，我们通常先在一系列不同的模型上测试数据，因为有些模型往往比其他模型表现得更好。
为了确定最佳模型，在开始过程时，我们将可用训练数据中的一小部分分离出来，并在训练过程完成之前将其隐藏起来。
然后我们使用这些测试数据来量化模型犯了多少错误。错误最少的那个，就是赢家。
我们确定了最佳模型，并让它做出预测。我们给了它4340个分子，五分钟后它就交付了一份结果清单。
AI模型识别出了21个得分最高的分子，它认为这些分子有很高的可能性是衰老抑制药物。如果我们在实验室中测试原来的4340个分子，至少需要几周的密集工作和5万英镑才能买到原料，更不用说实验机器和设备的成本了。
我们然后在两种类型的细胞上测试这些药物候选物：健康的和衰老的。结果显示，在21种化合物中，有三种(白藜芦醇、夹竹桃甙和银杏素)能够消除衰老细胞，同时保持大部分正常细胞的存活。这些新的衰老抑制药物随后进行了更详细的生物实验，以了解它们在体内是如何起作用的。
这种跨学科的方法——涉及数据科学家、化学家和生物学家——所带来的潜在影响是巨大的。只要有足够的高质量数据，AI模型就可以加速化学家和生物学家为寻找疾病治疗和治愈而做出的惊人工作——尤其是那些尚未得到满足的需求。
在衰老细胞中验证了它们之后，我们现在正在人类肺组织中测试这三种衰老抑制药物候选物。我们希望在两年内报告我们的下一个结果。
Vanessa Smer-Barreto，遗传与分子医学研究所，爱丁堡大学
https://www.sciencealert.com/ai-may-have-found-the-most-powerful-anti-aging-molecule-ever-seen
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
