Egy generatív mesterséges intelligencia segítségével megtervezett kísérleti gyógyszernél mind a hat vizsgált öregedési modell alacsonyabb becsült biológiai kort jelzett a kezelt betegekben. A Nature Biotechnology friss tanulmánya újabb fontos eredményt hozott a mesterséges intelligenciával támogatott gyógyszerfejlesztésben, bár a kutatás még nem bizonyítja az emberi öregedés visszafordítását.
Az Insilico Medicine szeptember 7-én számolt be a Rentosertib nevű kísérleti gyógyszerével kapcsolatos új eredményekről, amelyek ugyanazon a napon jelentek meg a Nature Biotechnology folyóiratban. A kutatók egy korábbi IIa fázisú klinikai vizsgálatból származó, 42 idiopátiás tüdőfibrózisban szenvedő beteg vérmintáit elemezték. A Rentosertib különlegessége, hogy a gyógyszercélpont azonosításában és a molekula megtervezésében is mesterséges intelligenciára épülő módszereket alkalmaztak.
A vizsgálat során 2841, a vérszérumban mérhető fehérje változásait elemezték, majd hat különböző proteomikai öregedési modellt alkalmaztak a biológiai életkor becslésére. A modellek eltérő módszertannal készültek, részben a kronológiai életkort, részben az életkorhoz kapcsolódó halálozási kockázatot becsülik. Ennek ellenére mind a hat rendszer ugyanabba az irányba mutatott: a Rentosertibbel kezelt csoportokban alacsonyabb becsült biológiai életkort jeleztek a kiindulási állapothoz képest, míg a placebocsoportban csak minimális változás vagy enyhe emelkedés történt.
A kutatók összesen 54 összehasonlítást végeztek a különböző adagolási csoportok, időpontok és öregedési modellek alapján, ezek közül 21 ért el statisztikai szignifikanciát. A legerősebb jel a kezelés negyedik hetében jelentkezett, amikor 18 összehasonlításból 11 mutatott szignifikánsan alacsonyabb becsült biológiai életkort a placebóhoz képest. A három adagolási séma közül a napi kétszer 30 milligrammos kezelés eredménye volt a legkövetkezetesebb.
Olvasd el: Hat hét alatt már a harmadik új Gemini Flash modellt adta ki a Google
Eljuthatunk oda, hogy a generatív mesterséges intelligencia nemcsak gyorsabban talál új gyógyszermolekulákat, hanem olyan biológiai hatások felismerésében is segít, amelyekre a fejlesztők eredetileg nem számítottak?
A Rentosertib fejlesztése azért is figyelemre méltó, mert a mesterséges intelligencia már a gyógyszerkutatás korai lépéseiben szerepet kapott. Az Insilico Pharma.AI platformja segítségével azonosította a TNIK nevű fehérjét az idiopátiás tüdőfibrózis egyik lehetséges terápiás célpontjaként, majd generatív kémiai rendszerekkel tervezett olyan új molekulákat, amelyek képesek lehetnek ennek működését befolyásolni. A kiválasztott molekulából fejlődött tovább a Rentosertib, amely később emberi klinikai vizsgálatig jutott.
A gyógyszer korábbi IIa fázisú vizsgálatának eredményeit 2025-ben a Nature Medicine közölte. A 71 beteg bevonásával végzett randomizált, placebokontrollált kutatásban a legmagasabb vizsgált adag mellett átlagosan 98,4 milliliteres javulást mértek az erőltetett vitálkapacitásban, míg a placebocsoportban átlagosan 20,3 milliliteres csökkenés történt. Az Insilico Medicine 2026. július 7-én azt is bejelentette, hogy elindította a Rentosertib III. fázisú klinikai vizsgálatát idiopátiás tüdőfibrózisban.
Az új öregedési eredményeket ugyanakkor fontos a megfelelő helyükön kezelni. A Nature Biotechnology kutatói hangsúlyozzák, hogy a proteomikai öregedési modellek önmagukban nem tudják teljesen elkülöníteni, mekkora részben változtak a biomarkerek az öregedési folyamatok módosulása és mekkora részben az alapbetegség javulása miatt. A vizsgálat ráadásul mindössze 42, idiopátiás tüdőfibrózisban szenvedő ember adataira épült, ezért nem bizonyítja, hogy a Rentosertib egészséges embereket fiatalítana vagy meghosszabbítaná az életet. Az eredmény jelentősége inkább abban rejlik, hogy egy mesterséges intelligenciával azonosított célpontra generatív mesterséges intelligencia segítségével megtervezett molekulánál már klinikai adatokban is olyan biológiai változásokat figyeltek meg, amelyek további öregedéskutatási vizsgálatokat indokolnak.
Olvasd el ezt is: Hosszabb és összetettebb feladatokra készült a Meta új generatív mesterséges intelligencia modellje
Források: Nature Biotechnology, Insilico Medicine, Nature Medicine
CS.SZ.
