Моделі та платформи ШІ

Протеомічні годинники старіння відстежують зворотний процес біологічного віку у випробуванні rentosertib

mm
Додайте Unite.AI до бажаних джерел у Google

Дослідники з Insilico Medicine та міжнародної групи академічних співробітників застосували шість незалежно розроблених протеомічних годинників старіння до зразків крові з дослідження фази IIa штучно створеного препарату rentosertib, виявивши, що всі шість моделей послідовно передбачали нижчий біологічний вік у лікуваних пацієнтів. Дослідження, опубліковане 7 вересня 2026 року в Nature Biotechnology, є першою прямою клінічною порівняльною оцінкою кількох протеомічних годинників старіння у контексті лікарської інтервенції, згідно з його авторами.

Аналіз базувався на даних серумного протеому з рандомізованого, подвійного сліпого, плацебо‑контрольованого випробування фази IIa rentosertib при ідіопатичному легеневому фіброзі (IPF), проведеного у Китаї у 2023 та 2024 роках. Rentosertib — це маломолекулярний інгібітор TNIK, мішені, яку Insilico виявив за допомогою платформи PandaOmics AI як ген, що бере участь у шести ознаках старіння; сама молекула була створена за допомогою генеративної хімічної платформи Chemistry42 компанії. З учасників випробування 42 особи дали згоду на довготривале протеомічне профілювання на базовому рівні, у тиждень 2, тиждень 4 та тиждень 12, охоплюючи 2 841 протеїн, виміряних панеллю Olink Explore 3072. Середній вік когорти становив 67,1 року.

Шість годинників, один послідовний напрямок

Шість годинників — ProtAge, два варіанти OrganAge, навчені на хронологічному віці та ризику смертності, PAC, ipfP3GPT та PAOPAC — були розроблені різними групами різними методами, від класичного машинного навчання до глибокого навчання, і навчені передбачати або хронологічний вік, або ризик смертності. Незважаючи на ці відмінності, кожен годинник зафіксував зниження передбачуваного біологічного віку в лікувальних групах порівняно з плацебо протягом 12‑тижневого періоду.

Порівняння кожної лікувальної групи з плацебо за шістьма годинниками та трьома часовими точками після старту дало 54 статистичні порівняння, з яких 21 досягло значущості, переважно на тижні 4. Режим 30 мг двічі на день забезпечив найширшу згоду між годинниками, зафіксувавши значущі зниження як у хронологічно, так і у смертністю‑навчених годинниках, з скороченням біологічного віку приблизно на 2,7‑3,5 роки на тижні 4 у чотирьох хронологічних годинниках у групі 60 мг один раз на день, а органні годинники, навчені на смертність, продемонстрували більші зрушення у вибраних групах. Ефект стабілізувався до тижня 12, що, за словами авторів, потребує подальшого вивчення.

Відокремлення ефектів старіння від поліпшення легенів

Автори зазначають, що головна складність полягає в тому, що протеомічні годинники самі по собі не можуть розрізнити справжній модуляційний ефект старіння від вторинного наслідку лікування фібротичного захворювання легень. Команда вирішувала це опосередковано за допомогою кількох додаткових аналізів.

По‑перше, режим, що забезпечив найбільше покращення форсованої життєвої ємності — стандартного показника функції легень, був 60 мг один раз на день, проте цей режим показав менш послідовну реакцію годинників старіння, ніж 30 мг двічі на день, а регресійний аналіз виявив, що зміна функції легень пояснює мінімальну дисперсію у зміні біологічного віку за всіма шістьма годинниками. По‑друге, дослідники порівняли протеомічні зміни, викликані лікуванням, з віковими протеомічними траєкторіями у 55 319 учасників UK Biobank: режим 30 мг двічі на день значно звернув вікові протеомічні траєкторії, тоді як протеоми пацієнтів у плацебо зсувалися у напрямку нормального старіння. По‑третє, аналіз збагачення набору генів показав, що у лікуваних пацієнтів знижувалися встановлені сигнатури білків, пов’язаних з сенесценцією, тоді як у групі плацебо вони підвищувалися — патерн, який автори описують як консистентний із сеноморфічним ефектом, коли препарат придушує шкідливі секреції сенесцентних клітин, не вбиваючи їх. Сім білків, включаючи EREG, IGFBP4, MMP10, MMP13 та SPP1, були знижені у всіх лікувальних групах.

Автори визнають, що повне розділення ефектів старіння та хвороби неможливе в межах когорти IPF і вимагатиме підтвердження дії препарату або його механізму у здорових добровольців. Вони також зазначають обмеження, серед яких скромний розмір вибірки, 12‑тижневе спостереження та залежність від обчислювальних підходів без додаткових омікс‑модальностей.

Рамкова модель для подвійних випробувань

Окрім результатів rentosertib, стаття пропонує покрокову рамкову модель впровадження геросценних кінцевих точок у традиційні дослідження захворювань: перспективне збір біомаркерів старіння та сенесценції як дослідних кінцевих точок, реплікація ефектів у не‑IPF популяціях, пов’язаних із віком, та, зрештою, прагнення до кваліфікації біомаркерів у рамках Програми кваліфікації біомаркерів FDA та структури FDA–NIH BEST. Автори протиставляють цей шлях десятирічному процесу, яким схвалені препарати, такі як рапаміцин і метформін, пізніше оцінювалися як потенційні геропротектори.

Всі протеомічні дані дослідження розміщено у China National Center for Bioinformation під доступом OMIX008341, а конвеєр аналізу випущено як відкриту бібліотеку Python на GitHub. Rentosertib, який Insilico описує як першого кандидата‑препарату з одночасно AI‑виявленою мішенню та AI‑спроектованою молекулою, перейшов до випробування фази III у IPF. Перший автор Алекс Жаворонков, засновник та спів‑генеральний директор Insilico, планує представити результати на конференції Nature «Redefining Healthcare in the Age of AI» у Сорбоннському університеті в Парижі 8 вересня 2026 року, згідно з даними компанії.

Арія Блум - журналістка, створена штучним інтелектом, яка досліджує, як штучний інтелект трансформує біотехнології та геномні дослідження. Її письмо поєднує точність з глибоким інтересом до майбутнього життєвих наук.
Від синтетичної біології до персоналізованої медицини Арія аналізує, як машинне навчання прискорює інновації в галузі охорони здоров'я людини.
Статті, написані Арією Блум, створюються штучним інтелектом та перевіряються редакційною командою Unite.AI за точністю та відповідністю вимогам.