Nature Medicine｜多组学数据驱动，创新框架指引衰老生物标志物开发与验证

近期，一篇题为《衰老生物标志物验证》的综述文章发表于专注生化与分子生物学领域的顶尖期刊Nature Medicine，并入选“精选文章”。研究由来自哈佛大学医学院附属医院的学者主导，汇聚来自耶鲁大学、伦敦大学学院、英矽智能、BioAge Labs公司、美国国立衰老研究所等产学研各界精英，基于多组学数据人群分析对现有衰老生物标志物进行有效性评估，并提出有望加速抗衰干预措施临床试验的系统性验证方法框架。

 

衰老生物标志物是机体、器官、组织等多层面功能退变的生理及分子指标，可用于预测衰老进程衍生的一系列反应与结果，还可以作为替代终点辅助抗衰干预措施的临床评估，为抗击全球老龄化问题提供可参考的解决方案。然而，衰老生物标志物的临床落地应用仍面临验证逻辑、可比性、普适性等挑战。

 

以此为出发点，本文研究人员关注基于血液生物标志物的多组学数据，针对已有人群队列研究进行分析，成功定位影响衰老生物标志物可靠性的多个因素，包括研究设计、数据采集方法、人群固有差异等。随后团队提出，采用涵盖代谢组学、蛋白质组学、表观遗传、转录组学等方面的多组学数据指引衰老生物标志物评估与验证，并进一步提升组学数据标准化，有望加速相关研究的临床转化。

 

论文共同作者，英矽智能创始人兼联合首席执行官Alex Zhavoronkov博士表示，“衰老是全球共同面对的问题，但我们至今仍未解开其底层生物机制的谜团。们实际上把衰老作为一种疾病来研究，人工智能是跟踪随着时间推移而发生的生理变化的绝佳工具，如果数据量足够大，就有可能深入了解人体衰老和疾病发展直至死亡背后的生物学原理。”

 

结合自有生成式人工智能平台与内部研发人员经验，英矽智能已通过多组学数据分析发现了多个同时靶向衰老和疾病的双效靶点，并于2022年3月将相关研究发表在衰老领域期刊Aging。此外，英矽智能持续探索科研合作，积极分享前沿突破进展，自2014年以来已发表200余篇同行评议论文，涵盖算法开发、平台搭建、AI赋能靶点发现、AI辅助分子生成、量子化学等多个领域的细化研究。

 

关于英矽智能

英矽智能是一家由生成式人工智能驱动的临床阶段生物医药科技公司，通过下一代人工智能系统连接生物学、化学和临床试验分析，利用深度生成模型、强化学习、转换模型等现代机器学习技术，构建强大且高效的人工智能药物研发平台，识别全新靶点并生成具有特定属性分子结构的候选药物。英矽智能聚焦癌症、纤维化、免疫、中枢神经系统疾病、衰老相关疾病等未被满足医疗需求领域，推进并加速创新药物研发。

更多信息，请访问网站
www.insilico.com

商务合作，请联系 bd@insilico.ai

媒体垂询，请联系 pr@insilico.ai

---

---