在人類對抗衰老的征程中，科學家們始終在探索延緩衰老進程的有效方法。傳統研究多依賴假設驅動的實驗設計，不僅效率有限，還容易遺漏潛在的重要發現。與此同時，過去數十年間，公開的分子研究積累了海量數據，涵蓋數百萬份人類和小鼠的樣本，但這些數據最初多用于疾病機制或藥物反應研究，其與衰老的關聯尚未被充分挖掘。
近年來，“衰老時鐘”技術的出現為這一領域帶來了轉機。這類基于機器學習的算法能夠通過分析DNA甲基化、基因表達等分子數據，預測個體的生物學年齡，甚至關聯健康風險。然而，此類工具此前多應用于小規模研究，缺乏系統性整合。如今，一項新研究通過人工智能技術，將這一領域推向了全新高度。
由國際團隊開發的ClockBase Agent平臺，整合了超過200萬份人類和小鼠的分子組學數據，涵蓋DNA甲基化和RNA測序樣本，并應用了40余種衰老時鐘模型。該平臺的核心是一個多智能體系統，由三個關鍵模塊組成：Coding Agent負責數據處理與代碼編寫，根據樣本特征選擇統計模型；Reviewer Agent從生物學合理性、實驗質量等維度評估干預措施，篩選高潛力候選；Report Agent則結合現有文獻，生成可讀性強的科學報告。這一系統如同一個不知疲倦的虛擬實驗室，能夠自主分析數千個數據集，尋找與衰老相關的模式。
研究團隊對43602組干預-對照組數據進行了系統分析，覆蓋遺傳修飾、藥物處理、環境暴露和疾病模型等多種類型。結果顯示，13.2%的干預措施顯示出顯著的年齡調節效應，其中500余種能夠降低生物學年齡。例如，一種名為Ouabain的化合物、KMO抑制劑、非諾貝特以及NF1基因敲除等，均展現出抗衰老潛力。進一步分析發現，疾病模型中24.3%的干預加速了衰老進程，與臨床觀察一致；而遺傳干預中，基因敲除的抗衰老效果是基因過表達的1.85倍，提示降低基因活性可能更安全有效。在FDA批準的藥物中，78種具有抗衰老作用，但136種藥物意外表現出促衰老效應，凸顯了現有藥物潛在副作用的復雜性。
為驗證理論預測，研究團隊選擇了AI篩選出的最優候選物Ouabain進行實驗。這種強心苷類化合物此前主要用于增強心肌收縮力，其抗衰老作用尚未被深入研究。在老年小鼠模型中，間歇性注射Ouabain三個月后，實驗結果顯示：治療組小鼠的衰弱指數未隨年齡增長，而對照組顯著上升；心臟輸出量提高，符合其強心作用；大腦海馬區小膠質細胞形態更健康，表明神經保護效應。轉錄組分析進一步證實，Ouabain降低了老年小鼠的生物學年齡，并上調了Nrep基因表達——該基因編碼的蛋白與神經元再生密切相關，是異體共生實驗中返老還童效果的關鍵因素之一。多組織時鐘分析顯示，Ouabain通過炎癥調控、mRNA剪接、Nrf2信號通路等多種途徑發揮抗衰老作用。
ClockBase Agent平臺的創新性在于其完全數據驅動的研究范式。傳統方法需先提出假設再設計實驗，而該系統直接從現有數據中挖掘規律，大幅加速了知識發現過程。例如，平臺通過整合公開數據庫，構建了迄今最全面的生物學年齡圖譜，不僅包含常見的甲基化時鐘，還納入了轉錄組時鐘，能夠捕捉基因表達層面的年齡相關變化。這種系統性分析揭示了衰老的復雜機制，例如功能缺失型遺傳干預比功能增益型更可能延緩衰老，為未來藥物開發提供了新方向。
目前，該平臺已向全球研究者開放，允許用戶查詢任意干預措施對生物學年齡的影響。這一工具的普及有望推動長壽醫學領域的民主化，使更多實驗室能夠參與抗衰老研究。研究團隊指出，隨著數據量的持續增長，AI智能體將成為衰老研究的核心工具，幫助人類更高效地探索健康長壽的路徑。例如，平臺已發現的500余種抗衰老候選物中，僅Ouabain完成了初步驗證，其余物質仍需進一步實驗探索，這為未來研究提供了豐富方向。
