中美科学家近日在衰老干预领域取得重大突破。
日前，一项发表于国际权威医学期刊《药物设计、开发与治疗》(Drug Design, Development and Therapy)的研究显示，由美国赛诺根公司、清华大学及国药赛诺根联合开展的新型口服衰老干预药物SRN-901临床前试验取得重要进展：在自然衰老的正常哺乳动物模型中，该药物使实验对象中位剩余寿命延长33%，肿瘤发生率降低30%，并显著抑制了外貌衰老相关指标。
为了精准地模拟人类的自然衰老过程，科学家们没有像以往的研究一样为追求“短平快”而使用基因编辑或放化疗手段制造的早衰小鼠，而是耗时数年对自然衰老的正常小鼠进行了全生命周期的综合测量。
研究结果显示，与服用安慰剂的对照组相比，接受SRN-901干预的小鼠，其中位剩余寿命实现了33%的显著增长，超越了此前的纪录保持者雷帕霉素。研究人员还对NMN、NR等市面上热门抗衰老分子进行了对照测试，结果显示这两者并不能有效延长寿命。
与此同时，服用SRN-901的小鼠外貌也明显更加年轻：皮肤更为紧致有弹性、毛发也明显更加浓密黑亮。经过综合测试和病理学研究后发现，接受SRN-901干预的小鼠相较安慰剂组衰老速度被减慢70 %，肿瘤发生率降低30%，死亡风险大幅降低46%。
据悉，基于多通路协同干预策略的SRN-901的前期研发由赛诺根联合哈佛大学、梅奥医学中心等世界顶尖科研机构共同完成。过去数十年间，科学家们在mTOR通路、NAD+代谢、自噬机制等基础理论上取得了重要进展，哈佛大学、麻省理工学院等国际顶尖机构也相继发表多项研究成果。
然而，从理论到真正有效的干预手段，始终横亘着“最后一公里”的难题——以往的单一靶点干预，往往无法应对衰老这一涉及系统级复杂网络的问题。在此项研究中，面对衰老这一涉及数百条信号通路、数千个基因协同变化的复杂系统，研究团队必须从海量的多组学数据中，精准识别关键调控节点，解析干预效果的系统性机制，但传统“单靶点、单指标”的研发模式如同“大海捞针”，效率低下且成本高昂。
为此，团队创新性地使用AI驱动的多组学机器学习模型进行了通路分析和疗效预测，极大加速了新药的研发效率。相比于过往单靶点的策略，SRN-901采用“多通路协同干预”策略，提升了药物的适应性与实用性。
业内专家认为，新技术为有效应对衰老过程的复杂性提供了可行路径，利用人工智能等技术整合全球衰老干预领域权威机构的多项技术，有望转变现有的单一靶点研究范式，进一步提升逆转效率。目前，SRN-901已从机制论证走向成果应用。
|
