人工智能（AI）正在重塑每一个它触及的领域，即便是人类自己也尚未完全摸清的生物学前沿——衰老研究领域也不例外。从精准预测衰老速度的“衰老时钟”，到筛选具有潜力的衰老干预候选物，AI已经从只能分析数据的科研辅助工具，成长为能够自主思考、评估甚至发现新知识的科研伙伴。

近期，美国哈佛大学和斯坦福大学等研究团队开发了一个名为ClockBase Agent的AI平台，系统性地分析了超过200万个人类与小鼠的分子样本，发现超500种潜在的衰老干预措施，其中AI推荐的顶级候选物（Ouabain，哇巴因）在小鼠模型中被证实具有多种衰老干预作用[1]。

AI在衰老研究中的“进化史”

要理解这项研究的价值，首先需要了解AI如何在衰老研究中发挥作用。

近年来，科学家训练出了多种“衰老时钟”——能够通过分子特征精确衡量生物年龄的算法。比如，通过血液DNA甲基化状态预测一个人比实际年龄“老”还是“年轻”；通过基因表达图谱判断小鼠的生理状态。

随着研究不断深入，衰老时钟的精度与空间分辨率也逐步提升。斯坦福大学研究员Eric Sun开发的“空间衰老时钟”就能以单细胞分辨率绘制大脑衰老轨迹，识别哪些细胞会加速周围组织衰老[2]。

在更接近实用的层面，清华大学研究团队基于超过千万人数据开发的大语言模型，仅通过常规体检数据就能预测一个人的整体衰老程度和六大器官特异性年龄[3]。

然而，精准预测衰老的最终目标是为了有效干预。为此，新研究通过构建特殊的算法模型，分析化合物对已知衰老通路的影响，从海量数据中发掘出可能同时对抗衰老和衰老相关疾病的候选物质。

新研究是怎么做的？

这项发表在bioRxiv预印本网站的新研究，其规模之大令人咂舌，不仅涵盖了过去数十年间产生的海量分子组学数据（约200多万个真实动物实验样本，包括DNA甲基化和RNA-seq数据），还应用了超过40种不同的衰老时钟模型。

随后，研究团队构建了一个多智能体AI系统——ClockBase Agent，包括3个专业的核心代理组件：

编码代理（Coding Agent）：主要功能是写代码，通过代码解析实验数据结构，并执行统计学测试；
评审代理（Reviewer Agent）：从样本量、模式生物、实验设计等维度，评估实验结果的效力和影响，并给实验打分；
手稿代理（Report Agent）：审阅文献资料，整合研究结果，并撰写报告。

简单来说就是，ClockBase Agent由多个不同功能的AI组成，它们之间分工协作，能够自主处理元数据、生成针对衰老的假设、选择合适的统计方法、开展文献综述，并生成横跨所有数据集且带有综合评分的科学报告。这套完整的工作流程抵得上一个真实的科研团队，但其处理海量信息的速度远超人类。

AI真的从旧数据里“淘”到了新“潜力股”

“万事俱备，只欠东风。”当把海量旧数据交给AI系统后，分析结果显示，在近4.4万个干预-对照组比较中，有5756种（13.2%）干预措施具有显著的年龄调控效应，其中超500种能显著降低生物年龄。

AI不仅识别出了已知的雷帕霉素、二甲双胍，还筛选出了有潜力的衰老干预候选物，例如用于治疗心律失常的Ouabain（哇巴因，AI得分最高）、具有神经保护作用的KMO抑制剂、降脂药非诺贝特等。

为验证AI的准确性，研究团队对老年小鼠进行了实验。结果显示，间歇性给予哇巴因处理的小鼠，不仅转录组年龄显著降低，生理功能上也表现出全面改善：虚弱进程减缓、心脏功能增强、大脑中的神经炎症标志物减少。

也就是说，哇巴因可能通过多种机制发挥延缓衰老的干预作用，且没有明显副作用。

新研究厉害在哪？

主要研究内容讲完了，下面就要分析一下这项研究的价值在哪？

把AI从“高级计算器”升级为“科研伙伴”

目前，大多数研究仍属于“假设驱动”，即科学家先有想法，再用AI验证。而新研究的独特之处在于，它构建了一个“数据→AI→验证”的完整闭环，让AI自主探索数据中的模式，不预设任何目标，将AI从辅助工具提升为能够产生高可信度新假说的“科研伙伴”。

也正是因此，新研究才发现了那些因传统作用机制或尚未发现与衰老产生关联，而被人类科学家忽略的衰老候选物。

变“数据废料”为“发现宝库”

该研究将过去几十年间产生、旨在解决特定生物学问题的海量实验数据，统一用“衰老”这个视角进行了系统性重析。这相当于将整个生物医学领域的历史投资，“增值”成一个庞大的衰老干预措施“宝库”。

构建“一专多能”研究平台

研究人员表示，ClockBase Agent具有可迁移性，可将系统中的衰老时钟换成任何分子层面的生物标志物，从而以极低成本发现能够影响疾病相关分子指标的干预措施，例如癌症、免疫学、神经科学和代谢疾病等。

需要提醒的是，由于目前生物医学界对“生物年龄”本身的理解仍不完善，比如，不同的衰老时钟测量的是否为同一件事？降低表观遗传年龄是否意味着健康寿命必然延长？这些问题尚无定论，因此AI在衰老领域的进化仍存在局限。

相信在不远的未来，这种技术可能会催生真正的个性化衰老干预——根据每个人的分子特征、生活方式和遗传背景，定制最适合的衰老干预方案。总之，在人类追求健康长寿的道路上，AI正成为一个不可或缺的伙伴，帮助我们更快、更精确地寻找答案。