Искусственный интеллект нашел 21 потенциальный препарат против старения

Искусственный интеллект начинает поиск лекарств от старения заново

От поиска новых молекул — к новому применению уже известных препаратов

Разработка принципиально новых лекарств занимает десятилетия и требует миллиардных инвестиций. Поэтому последние годы фармацевтическая отрасль все активнее использует стратегию перепрофилирования препаратов — поиска новых показаний для уже зарегистрированных лекарственных средств.

Такой подход позволяет опираться на существующие данные по безопасности, фармакокинетике и производству, сокращая сроки вывода потенциальной терапии до клинических исследований. Именно эта стратегия легла в основу новой работы международной группы исследователей, опубликованной в журнале Nature Aging. Авторами исследования стали специалисты из Северо-Восточного университета США (Northeastern University), Гарвардской медицинской школы и других научных центров под руководством профессора Альберта-Ласло Барабаши — одного из основателей сетевой медицины. Исследование опубликовано 26 июня 2026 года.

SHARP рассматривает старение как сложную биологическую сеть

Одной из главных особенностей исследования стал отказ от поиска «единственного гена старения». Современная геронтология рассматривает старение как результат взаимодействия множества взаимосвязанных процессов.

Авторы использовали концепцию одиннадцати признанных механизмов старения (hallmarks of aging), включающих хроническое воспаление, нарушение межклеточной коммуникации, эпигенетические изменения, митохондриальную дисфункцию, клеточное старение, нарушения чувствительности к питательным веществам и другие процессы, постепенно снижающие функциональные возможности организма.

Для анализа исследователи собрали сведения о 2358 генах, связанных со старением, из базы OpenGenes и сопоставили их с информацией о молекулярных мишенях лекарственных препаратов из DrugBank. Затем была построена вычислительная модель SHARP (Systematic Hallmark-Aging Repositioning Platform), основанная на принципах сетевой медицины.

Вместо оценки действия препарата только на одну молекулярную мишень система анализирует положение препарата внутри сложной сети взаимодействующих белков и сигнальных путей человеческого организма. Такой подход позволяет оценивать вероятность того, что воздействие на конкретную мишень приведет к изменению одного или сразу нескольких механизмов старения.

Новая метрика pAGE показывает не только вероятность эффекта, но и его направление

Одной из наиболее интересных особенностей работы стала разработка собственного показателя pAGE.

Большинство существующих вычислительных моделей способны лишь предположить, что препарат связан с определенным биологическим процессом. Однако они не отвечают на более важный вопрос: окажется ли влияние полезным или, наоборот, неблагоприятным.

Метрика pAGE решает именно эту задачу. Положительное значение указывает на потенциальное ослабление возрастных изменений, тогда как отрицательное значение свидетельствует о возможном усилении процессов старения.

Для проверки метода исследователи использовали данные экспрессии генов после воздействия различных препаратов. Из 6442 проанализированных соединений алгоритм выделил 370 препаратов, потенциально воздействующих хотя бы на один механизм старения. Однако только для 60 из них существовали необходимые транскриптомные данные, позволившие рассчитать показатель pAGE. В результате 21 соединение продемонстрировало потенциальный геропротективный профиль, 23 — возможный про-старящий эффект, а еще 16 препаратов показали неоднозначные результаты.

Почему среди лидеров неожиданно оказался оксиметазолин

Наибольший интерес вызвал оксиметазолин (oxymetazoline) — хорошо известный сосудосуживающий препарат, применяемый при заложенности носа, а также в дерматологии при лечении розацеа.

Модель SHARP показала, что препарат может оказывать влияние на один из наиболее значимых признаков старения — нарушение межклеточной коммуникации. По расчетам авторов, оксиметазолин способен изменять экспрессию генов, связанных с хроническим воспалением и нарушением клеточных взаимодействий.

Важно понимать принципиальное ограничение этой находки. Исследование не показывает, что применение назального спрея способно замедлить старение человека. Авторы не проводили ни экспериментов на животных, ни клинических исследований.

Кроме оксиметазолина в список наиболее перспективных соединений вошли линситиниб (linsitinib), теразозин (terazosin), тетризолин (tetryzoline), циразолин (cirazoline), каптоприл (captopril), тивозаниб (tivozanib), амлексанокс (amlexanox), маримастат (marimastat), фенопрофен (fenoprofen), доконексент (doconexent) и ряд других молекул, ранее не рассматривавшихся как потенциальные геропротекторы.

При этом алгоритм успешно распознал и препараты, давно обсуждаемые в геронауке, включая рапамицин (rapamycin), метформин (metformin), аспирин (aspirin) и дасатиниб (dasatinib). Для авторов это стало важным подтверждением корректности разработанной модели, поскольку система смогла независимо обнаружить соединения, уже находящиеся в центре внимания исследований долголетия.

SHARP не заменяет лабораторию, а помогает сократить путь к ней

Авторы исследования отдельно подчеркивают: SHARP не является инструментом, который способен доказать эффективность препарата против старения. Платформа предназначена для другой задачи — раннего отбора наиболее перспективных кандидатов среди тысяч существующих молекул.

Именно на этом этапе сегодня теряются огромные ресурсы. Большинство потенциальных соединений никогда не доходят до доклинических исследований из-за отсутствия объективных критериев отбора. Использование вычислительной платформы позволяет существенно сузить круг кандидатов еще до начала дорогостоящих экспериментов на клеточных культурах и животных моделях.

Для проверки надежности разработчики протестировали SHARP на препаратах, уже известных своей геропротективной активностью. Платформа успешно идентифицировала соединения, увеличивавшие продолжительность жизни животных в рамках программы Interventions Testing Program (ITP) National Institute on Aging США (NIA), а также препараты, ранее изучавшиеся в клинических исследованиях геропротекции. Это не доказывает способность алгоритма предсказывать успех клинических испытаний, однако подтверждает, что модель способна находить закономерности, совпадающие с накопленными экспериментальными данными.

Искусственный интеллект становится новым этапом развития геронауки

Работа SHARP отражает более широкий тренд, который сегодня формируется в биомедицинской науке.

Еще несколько лет назад искусственный интеллект преимущественно использовался для анализа медицинских изображений или обработки клинических данных. Сегодня вычислительные модели все активнее становятся инструментом поиска новых лекарств.

Компании и академические центры применяют машинное обучение для прогнозирования структуры белков, моделирования взаимодействия молекул, поиска новых терапевтических мишеней и отбора перспективных соединений для клинической разработки. По сути, искусственный интеллект постепенно становится первым этапом современной фармацевтической разработки, значительно сокращая количество соединений, которые необходимо проверять экспериментально.

При этом исследования старения сегодня уже не ограничиваются исключительно поиском лекарств. Параллельно развиваются клеточные технологии, методы частичного эпигенетического перепрограммирования, редактирование генома с использованием CRISPR, регенеративная медицина и инженерия тканей. Во многих странах активно создаются роботизированные системы помощи пожилым людям, а развитие высокопроизводительных вычислений открывает новые возможности для моделирования сложных биологических процессов.

Именно сочетание этих направлений, а не появление одного «чудо-препарата», большинство специалистов рассматривают как наиболее вероятный путь к увеличению продолжительности здоровой жизни.

Почему фармацевтическая отрасль внимательно следит за такими исследованиями

Практическая ценность подобных публикаций значительно шире самой геронтологии.

Если вычислительные платформы смогут надежно прогнозировать новые показания для уже существующих препаратов, это изменит экономику исследований и разработок. Перепрофилирование молекул обычно требует существенно меньших затрат, чем создание нового лекарственного средства с нуля, поскольку большая часть сведений о безопасности уже накоплена.

Для фармацевтических компаний это означает возможность по-новому оценить собственные портфели разработок и зарегистрированных препаратов. Для разработчиков искусственного интеллекта открывается крупный рынок программных платформ поддержки исследований. Академические центры получают инструмент для формирования более обоснованных гипотез, а инвесторы — дополнительный критерий оценки перспективности научных проектов.

Однако одновременно возрастает риск чрезмерной интерпретации вычислительных результатов. Уже сейчас отдельные препараты из списка SHARP начали активно обсуждаться в средствах массовой информации как потенциальные «лекарства от старости», хотя авторы исследования подобных выводов не делают. Для отрасли это еще одно напоминание о необходимости четко разделять вычислительные прогнозы, экспериментальные данные и клинически доказанную эффективность.

Российский фармрынок получит не готовые препараты, а новую методологию поиска

Для российского фармацевтического сектора работа SHARP представляет интерес прежде всего как демонстрация нового подхода к разработке лекарств.

Большинство препаратов, вошедших в список кандидатов, давно известны клинической практике и зарегистрированы по совершенно другим показаниям. Это означает, что потенциальная ценность исследования заключается не в появлении новых продуктов в ближайшие годы, а в возможности использовать аналогичные вычислительные методы для поиска новых терапевтических применений уже существующих молекул.

Такой подход может оказаться особенно востребованным в условиях растущего интереса к импортонезависимым разработкам и рациональному использованию уже доступных действующих веществ. Для российских исследовательских центров это направление потенциально открывает возможность создавать собственные платформы вычислительного отбора кандидатов без необходимости начинать разработку каждого препарата с фундаментального поиска новой молекулы.

При этом практических изменений для врачей, аптек и пациентов публикация пока не несет. Ни один из препаратов, перечисленных в работе, не получил новых показаний к применению, а использование этих лекарственных средств с целью замедления старения остается научной гипотезой, требующей полноценного доклинического и клинического подтверждения.