Nauka o starzeniu się i o tym, jak sztuczna inteligencja może nam pomóc żyć dłużej

11 października 2022 Blog

Z nową technologią sztucznej inteligencji (AI) gotową zrewolucjonizować medycynę, w tym diagnostykę i odkrywanie leków, było tylko kwestią czasu, aż naukowcy postanowili wykorzystać AI do rozwiązania pytania, na które nikt jeszcze nie był w stanie odpowiedzieć: dlaczego w ogóle się starzejemy?

Wszystko zaczęło się od drożdży

15 lat temu rozpocząłem pracę nad doktoratem w dziedzinie badań nad starzeniem się. Moje pierwsze podejście do długowieczności zaczęło się od drożdży; chciałem wiedzieć, jak i dlaczego drożdże się starzeją. Może się to wydawać abstrakcyjną dziedziną badań, ale drożdże są miejscem, w którym po raz pierwszy skonceptualizowano molekularne podstawy starzenia się. Pozwólcie, że wyjaśnię. Starzenie się to nie tylko zużycie ciała; jest ono regulowane przez wiele komponentów rozwojowych, na które wpływ ma genetyka i środowisko. Wiele szlaków biomolekularnych, które decydują o długości życia drożdży, może również w podobny sposób wpływać na organizmy wyższe. Sygnalizacja mTOR (Mammalian target of rapamycin), która jest krytyczna dla wzrostu większości komórek, jest przykładem dobrze znanej ścieżki, która może przyspieszać starzenie nie tylko u drożdży, ale także u robaków, much i ssaków. Badania nad długością życia przeszły długą drogę, a badania na drożdżach utorowały naukowcom drogę do bardziej globalnego podejścia do badania starzenia się u ludzi i opracowywania strategii jego spowalniania.1

Jak naukowcy badają starzenie się?

Większość badań nad starzeniem się koncentruje się na szlakach wyczuwania składników odżywczych. Ponieważ restrykcja kaloryczna była jedną z pierwszych interwencji, o której wiadomo, że spowalnia starzenie u wielu różnych gatunków, było naturalne, że moduły wyczuwające składniki odżywcze były pierwszymi, które poddano intensywnym badaniom. Wiele znanych ścieżek, takich jak sygnalizacja insuliny/insulinowego czynnika wzrostu (IGF), zostało początkowo powiązanych ze starzeniem się ponad 20 lat temu.2 Inne procesy komórkowe, w tym długość i funkcja telomerów, homeostaza białek, regulacja epigenetyczna, funkcja mitochondriów, starzenie się komórek, wyczerpywanie się komórek macierzystych i komunikacja między komórkami, zostały powiązane ze starzeniem się. Niektóre z nich są globalne dla wszystkich gatunków, od drożdży do ludzi, podczas gdy inne, takie jak wyczerpywanie komórek macierzystych, są specyficzne dla kręgowców.1

Jak więc mierzy się długość życia? U drożdży istnieją dwie miary długości życia, które korelują z ludzkim starzeniem się: replikacyjna długość życia i chronologiczna długość życia. Czas życia replikacyjnego to liczba przypadków, w których komórka może dać początek komórkom potomnym, zanim stanie się niezdolna do tego. Ten rodzaj starzenia się dobrze pasuje do komórek, które stale dzielą się w naszym ciele, takich jak komórki skóry i komórki macierzyste. I odwrotnie, chronologiczna długość życia mierzy jak długo pula nie dzielących się komórek pozostanie żywotna, co jest dobrym modelem dla komórek, które już się nie dzielą, jak neurony.3

Oczywiście drożdże nie są idealnym modelem dla ludzkiego starzenia się, ponieważ nasze ciała składają się z wielu różnych typów komórek pracujących razem. Moglibyśmy zmierzyć prosty czas do śmierci człowieka, ale w ten sposób rozmywa się powód(y) stojące za śmiercią każdej osoby. Na przykład, dwie osoby mogą zachorować na różne choroby związane z wiekiem, które prowadzą do zupełnie innych rezultatów. Choć może się wydawać, że starzeją się podobnie, jedna z nich może umrzeć, podczas gdy druga żyje jeszcze przez wiele lat. Zamiast tego naukowcy badają charakterystyczne cechy starzenia się i szukają markerów, które pozwolą odróżnić młodość od starości, analizując zmiany genomowe, proteomiczne i metabolomiczne związane ze starością, albo w modelach zwierzęcych, albo z wykorzystaniem osób o wyjątkowo krótkiej (np. osoby z progerią, genetyczną anomalią prowadzącą do zaawansowanego starzenia się) lub długiej żywotności. Coraz powszechniejsze stają się również nowsze modele zwierzęce, w tym zwierzęta, które starzeją się znacznie wolniej niż można by się spodziewać na podstawie ich niewielkich rozmiarów ciała, jak np. nagie szczury kretowe, oraz te, które starzeją się na tyle szybko i mają podobne cechy do starzenia się człowieka, że eksperymenty mogą być zakończone znacznie szybciej, jak np. afrykański rybak śledziowy, który żyje tylko 6-9 miesięcy.1

Jak A.I. pomaga rozwiązać zagadkę starzenia się

Sztuczna inteligencja, w tym uczenie maszynowe, głębokie sieci neuronowe (DNN) i inne formy typów programów sztucznego uczenia się, jest obecnie wykorzystywana do przyspieszenia badań w kilku różnych aspektach starzenia się człowieka:4

Odkrycie biom arkerów - Chociaż istnieją biomarkery starzenia, nie ma ich zbyt wiele, a te, które istnieją, nie reprezentują prawdziwego wieku osoby z jakąkolwiek dokładnością. Naukowcy polegają obecnie na programach opartych na sztucznej inteligencji, głównie DNN, aby wyodrębnić kilka różnych rodzajów biomarkerów związanych z wiekiem, w tym markery obrazowe, markery transkryptomiczne, markery epigenetyczne oraz markery związane z pomiarami fizjologicznymi, takimi jak parametry życiowe i chemia krwi. Za pomocą SI zidentyfikowano kilka interesujących biomarkerów, takich jak obszar kącika oka w ludzkiej twarzy, ciśnienie krwi, a także poziom albuminy, glukozy, mocznika i fosfatazy alkalicznej we krwi.

Identyfikacja celu - Znalezienie właściwego genu lub białka, na które można oddziaływać, wymaga zgadywania, gdy próbuje się znaleźć sposób na wydłużenie życia organizmów. Ścieżki sygnalizacyjne są niezwykle złożone, a pomiędzy wieloma z nich nieustannie dochodzi do interakcji w celu uzyskania efektu fizjologicznego. Badanie tylko jednego szlaku jest trudne dla przeciętnego naukowca, zwłaszcza jeśli weźmiemy pod uwagę, że szlaki te są modulowane zarówno przez czynniki genetyczne, jak i środowiskowe. Jednak pomiar aktywacji wielu z nich i ocena, które z nich są ważne dla procesu starzenia, to coś, co AI może wykonać znacznie szybciej i z większą dokładnością niż człowiek. Kilka modeli AI, takich jak iPANDA, może zmniejszyć złożoność z dziesiątek tysięcy funkcji ścieżek sygnalizacyjnych do ocen dotyczących zaledwie kilkudziesięciu ścieżek.

Badania małych cząsteczek - Sztuczna inteligencja może pomóc w identyfikacji kandydatów na leki przeciwstarzeniowe na wiele sposobów: może zoptymalizować syntezę nowych leków, może łatwiej zbadać prawdopodobnych kandydatów na leki i może ocenić potencjalne problemy związane z bezpieczeństwem każdego kandydata. Modele AI oparte na algorytmach GAN (Generative Adversarial Network) wydają się być szczególnie ważne. Modele GAN mogą generować wirtualne modele hipotetycznych związków, które mają odpowiednie cechy, skutecznie dostosowując proces do odkrywania związków, które mogą przedłużyć długowieczność.

Medycyna regeneracyjna - podzbiór badań nad długowiecznością skupia się na wykorzystaniu komórek macierzystych do regeneracji tkanek organizmu, skutecznie spowalniając starzenie. Ostatnio indukowane pluripotencjalne komórki macierzyste (iPSC) znalazły się w czołówce badań nad komórkami macierzystymi i medycyną regeneracyjną, ponieważ mogą być generowane z każdej tkanki ciała, nawet z komórek skóry, i różnicowane w niemal każdy typ komórek. Niestety, wykonywanie na dużą skalę protokołów różnicowania iPSC do zastosowań przemysłowych jest nieefektywne i kosztowne. W tym przypadku, AI, w postaci DNN i uczenia maszynowego, jest wykorzystywana do projektowania zautomatyzowanych systemów, które mogą zoptymalizować proces różnicowania. AI może być również wykorzystana do badania podstawowych procesów rozwojowych iPSC, w tym monitorowania ich stanu rozwoju podczas różnicowania.

Terapiagenowa - Terapia genowa polega na leczeniu choroby poprzez wprowadzenie do organizmu materiału genetycznego w celu skompensowania patogennych zmian w genach. Podczas gdy same cele terapeutyczne są w większości przypadków oczywiste, optymalna metoda generowania idealnego systemu do leczenia choroby nie jest. W tym przypadku AI może dostroić techniki edycji genów, takie jak CRISPR, poprawiając precyzję leczenia. Można je również wykorzystać do projektowania terapii genowych ukierunkowanych na procesy związane z wiekiem.

Immunologia - Jednym z najgorętszych obszarów badań związanych ze starzeniem się jest immunoterapia nowotworów. Wykorzystanie układu odpornościowego do walki z rakiem stało się dobrodziejstwem dla przemysłu farmaceutycznego - kilka firm sprzedaje zatwierdzone przez amerykańską Agencję Żywności i Leków (FDA) oraz Europejską Agencję Leków (EMA) immunoterapie, które działają lepiej niż standardowe metody leczenia wielu form raka.5-7 Jednak coraz większym problemem jest identyfikacja osób, które najbardziej skorzystałyby z tych terapii i personalizacja leczenia pacjentów. W tym przypadku AI może być wykorzystana do zmniejszenia wskaźnika błędów diagnostycznych i lepszego scharakteryzowania choroby, przyspieszając ten proces, dzięki czemu pacjenci mogą wcześniej otrzymać odpowiednie leczenie. Może być również wykorzystana do identyfikacji biomarkerów, które mogą odróżnić stary i młody układ odpornościowy, a także kluczowych czynników powodujących starzenie się układu odpornościowego.

Choć nie każdy chce żyć wiecznie, wielu byłoby zadowolonych żyjąc nieco dłużej bez ryzyka wystąpienia takich chorób jak rak czy choroba Alzheimera. Przy starzejącej się populacji na całym świecie, obciążenie społeczeństwa chorobami związanymi z wiekiem będzie stale rosło, wymagając coraz większych zasobów. Ponieważ technologia AI rozwija się w przyspieszonym tempie, tak samo będzie z badaniami nad długowiecznością, co ostatecznie doprowadzi do nowych sposobów, w jaki możemy walczyć ze starzeniem się i zaburzeniami związanymi z wiekiem.

LabTAG firmy GA International jest wiodącym producentem wysokowydajnych etykiet specjalistycznych ai dostawcą rozwiązań identyfikacyjnych stosowanych w laboratoriach badawczych i medycznych, a także w instytucjach opieki zdrowotnej.

Referencje:

  1. Singh PP, Demmitt BA, Nath RD, Brunet A. The Genetics of Aging: A Vertebrate Perspective. Cell. 2019;49:49-66.
  2. Kimura KD, Tissenbaum HA, Liu Y, Ruvkun G. Daf-2, gen podobny do receptora insulinowego, który reguluje długowieczność i diapauzę u Caenorhabditis elegans. Science (80- ). 1997;277(5328):942-946.
  3. Longo VD, Shadel GS, Kaeberlein M, Kennedy B. Replicative and chronological aging in saccharomyces cerevisiae. Cell Metab. 2012;16(1):18-31.
  4. Zhavoronkov A, Mamoshina P, Vanhaelen Q, Scheibye-Knudsen M, Moskalev A, Aliper A. Artificial intelligence for aging and longevity research: Recent advances and perspectives. Ageing Res Rev. 2019;177(1):200-220.
  5. US Food and Drug Administration (FDA). Hematology/Oncology (Cancer) Approvals & Safety Notifications. Silver Spring, MD; 2019.
  6. Europejska Agencja Leków. Keytruda pembrolizumab; 2019.
  7. Europejska Agencja Leków. Opdivo niwolumab.; 2019.