衰老研究領域有一個長久以來的痛點：從成千上萬個基因中找到能真正逆轉變老的因子，就像大海撈針。傳統方法依賴生物學家手動篩選候選基因，再通過實驗驗證，週期極長，耗資巨大。DeepMind 最近釋出的一項成果讓人看到了拐點——他們的 AI 系統 Co-Scientist 已經成功協助研究人員發現了一批能顯著逆轉人類細胞衰老的新因子，整個過程比傳統方法快了不止一個數量級。
不是又一個「黑箱」模型
Co-Scientist 的設計初衷並非直接給出答案，而是扮演一個智慧協作者的角色。它整合了大規模基因組資料、已有文獻知識以及蛋白質相互作用網路，然後針對「哪些基因調控能恢復年輕態」這個問題，生成一個排好優先順序的候選列表。關鍵在於，它還能解釋自己的推理路徑——比如為什麼某個轉錄因子被列為重點，因為它同時影響了線粒體功能和染色質重塑兩條通路。這種可解釋性讓生物學家可以快速驗證和迭代，而不是盲目相信一個黑箱輸出。
實戰：從海量基因到幾個關鍵靶點
在本次研究中，團隊設定了一個嚴格的驗證流程。Co-Scientist 首先從人類基因組中篩選出約 200 個候選基因，然後結合細胞衰老實驗模型進行高內涵篩選。結果令人印象深刻：排名前十的基因中有九個在真實實驗中顯示出顯著的促年輕化效果，包括提升端粒酶活性、減少衰老標誌物 SA-β-Gal 的積累等。其中兩個靶點甚至是此前從未被報道過與衰老相關的——這一點最能體現 AI 的價值：跳出人類既有認知的侷限，發現全新的線索。
- 端粒酶啟用因子：候選因子 A 可使端粒長度恢復 30% 以上。
- 線粒體修復通路：候選因子 B 顯著降低了活性氧水平，並改善了線粒體膜電位。
- 表觀遺傳重程式設計：候選因子 C 部分逆轉了基因表達譜的年齡相關變化，接近年輕細胞狀態。
生物學家的新工作流
傳統上，一位博士生可能花費數年才能完成從提出假設、篩選到初步驗證的過程。而 Co-Scientist 把最耗時的候選基因優先順序排序壓縮到了幾天甚至幾小時。論文的合著者之一、斯坦福大學的分子生物學家 Maria Blasco 評價道：「這就像是給每個實驗室配備了一個不知疲倦的博士後，而且它讀過所有文獻。」 當然，AI 仍然需要實驗資料來反饋和迭代，但整個研發節奏已經徹底改變了。
謹慎樂觀與現實挑戰
目前 Co-Scientist 仍處於早期階段，它在某些領域表現優異，但在其他生物問題上可能缺乏足夠的資料支撐。此外，發現有效因子只是第一步，將它們轉化為可用的療法還需要多年的臨床試驗。但不可否認，這種AI 加速科學發現的模式正在從科幻變成日常工具。對於抗衰老研究這樣一個本身充滿爭議且門檻極高的領域，Co-Scientist 的介入至少意味著我們不再完全依賴運氣和試錯。
更深遠的看，Co-Scientist 的成功預示著基礎科學和 AI 的深度融合。它不是一個通用的聊天機器人，而是專門為科研工作流定製的大腦。未來，這種「AI 搭檔」或許會出現在每個生命科學實驗室的伺服器裡，幫助人類在複雜的生命迷宮中找到更多捷徑。
評論
暫無評論
成為第一個評論的人