Modelos e plataformas de IA
Relógios de Envelhecimento Proteômico Monitoram a Reversão da Idade Biológica no Ensaio de Rentosertib

Pesquisadores da Insilico Medicine e de um grupo internacional de colaboradores acadêmicos aplicaram seis relógios de envelhecimento proteômico desenvolvidos independentemente a amostras de sangue de um ensaio fase IIa da droga projetada por IA, rentosertib, constatando que todos os seis modelos previram consistentemente uma idade biológica menor nos pacientes tratados. O estudo, publicado em 7 de setembro de 2026 na Nature Biotechnology, é a primeira comparação clínica direta de múltiplos relógios de envelhecimento proteômico em uma intervenção medicamentosa, segundo seus autores.
A análise utilizou dados do proteoma sérico de um ensaio fase IIa randomizado, duplo‑cego e controlado por placebo de rentosertib em fibrose pulmonar idiopática (FPI), realizado em centros na China em 2023 e 2024. Rentosertib é um inibidor de pequena molécula de TNIK, um alvo que a Insilico identificou com sua plataforma de IA PandaOmics como um gene envolvido em seis marcas do envelhecimento, e a própria molécula foi gerada através da plataforma de química generativa Chemistry42 da empresa. Dos participantes do ensaio, 42 consentiram com o perfil proteômico longitudinal na linha de base, na semana 2, semana 4 e semana 12, abrangendo 2.841 proteínas medidas com o painel Olink Explore 3072. A coorte teve idade média de 67,1 anos.
Seis Relógios, Uma Direção Consistente
Os seis relógios — ProtAge, duas variantes do OrganAge treinadas em idade cronológica e risco de mortalidade, PAC, ipfP3GPT e PAOPAC — foram desenvolvidos por diferentes grupos usando métodos distintos, desde aprendizado de máquina clássico até deep learning, e treinados para prever idade cronológica ou risco de mortalidade. Apesar dessas diferenças, cada relógio registrou uma redução na idade biológica prevista nos braços de tratamento em relação ao placebo ao longo do período de 12 semanas.
Comparar cada braço de tratamento com o placebo nos seis relógios e em três momentos pós‑baseline gerou 54 comparações estatísticas, das quais 21 atingiram significância, concentradas na semana 4. O regime de 30 mg duas vezes ao dia produziu o maior consenso entre os relógios, registrando reduções significativas tanto nos relógios treinados em idade cronológica quanto nos treinados em risco de mortalidade, com reduções da idade biológica na faixa de aproximadamente 2,7 a 3,5 anos na semana 4 nos quatro relógios cronológicos do braço de 60 mg uma vez ao dia, e os relógios de órgão baseados em mortalidade mostrando mudanças maiores em braços selecionados. O efeito estabilizou‑se na semana 12, padrão que os autores afirmam justificar investigação adicional.
Separando os Efeitos do Envelhecimento da Melhora Pulmonar
Um desafio central, escreveram os autores, é que os relógios proteômicos, por si só, não conseguem distinguir um efeito modulador genuíno do envelhecimento da consequência subsequente de tratar uma doença pulmonar fibrótica. A equipe abordou isso indiretamente por meio de várias análises complementares.
Primeiro, o regime que produziu a maior melhora na capacidade vital forçada, medida padrão de função pulmonar, foi 60 mg uma vez ao dia — porém esse regime apresentou uma resposta menos consistente dos relógios de envelhecimento comparado a 30 mg duas vezes ao dia, e uma análise de regressão constatou que a mudança na função pulmonar explicou pouca variância na mudança da idade biológica em todos os seis relógios. Segundo, os pesquisadores compararam as alterações proteicas induzidas pelo tratamento com as trajetórias proteicas associadas à idade em 55.319 participantes do UK Biobank: o regime de 30 mg duas vezes ao dia reverteu significativamente as trajetórias proteômicas associadas à idade, enquanto os proteomas dos pacientes placebo derivaram na direção do envelhecimento normal. Terceiro, a análise de enriquecimento de conjuntos de genes mostrou que pacientes tratados suprimiram assinaturas proteicas associadas à senescência estabelecidas, enquanto o grupo placebo as aumentou: padrão que os autores descrevem como consistente com um efeito senomórfico, no qual um fármaco suprime as secreções nocivas de células senescentes sem matá‑las. Sete proteínas, incluindo EREG, IGFBP4, MMP10, MMP13 e SPP1, foram reguladas para baixo em todos os braços tratados.
Os autores reconheceram que a completa separação dos efeitos de envelhecimento e da doença não é alcançável dentro de uma coorte de FPI e exigiria a validação do fármaco ou de seu mecanismo em voluntários saudáveis. Também apontaram limitações, incluindo o tamanho de amostra modesto, a janela de observação de 12 semanas e a dependência de abordagens computacionais sem modalidades ômicas complementares.
Um Quadro para Ensaios de Propósito Duplo
Além dos achados sobre o rentosertib, o artigo apresenta um quadro passo a passo para incorporar desfechos de gerociência em ensaios de doenças convencionais: coleta prospectiva de biomarcadores de envelhecimento e senescência como desfechos exploratórios, replicação dos efeitos em populações não‑FPI relacionadas à idade e, finalmente, busca pela qualificação de biomarcadores sob o Programa de Qualificação de Biomarcadores da FDA e o quadro FDA–NIH BEST. Os autores comparam esse caminho à trajetória de décadas pela qual fármacos aprovados como rapamicina e metformina foram posteriormente avaliados como candidatos a geroprotetores.
Todos os dados proteômicos do estudo foram depositados no China National Center for Bioinformation sob o acesso OMIX008341, e o pipeline de análise foi disponibilizado como uma biblioteca Python de código aberto no GitHub. O rentosertib, que a Insilico descreve como o primeiro candidato a fármaco com alvo descoberto por IA e molécula projetada por IA, avançou para um ensaio fase III em FPI. O primeiro autor, Alex Zhavoronkov, fundador e co‑CEO da Insilico, está programado para apresentar os resultados na conferência Nature “Redefining Healthcare in the Age of AI” na Sorbonne University em Paris, em 8 de setembro de 2026, segundo a empresa.












