哈佛团队用图神经网络发现新型小分子，成功研发能延缓衰老的药物

　　日前，哈佛大学博士FelixWong和合作者利用图神经网络发现了一类新型小分子，它可以选择性地杀死老化细胞。借此研发了Senolytics类药物，这是一类通过选择性地杀死老化细胞来延缓衰老的小分子药物。
　　图FelixWong（来源：FelixWong）
　　Senolytics可以促进健康、解决纤维化和炎症等疾病。由于生物利用度低和不良反应等问题，此前几乎没有相关临床应用。
　　年龄是一个非常大的风险因子，很多大家熟知的疾病都和年龄高度相关，如神经退行性疾病、关节炎、癌症和炎症等。其中纤维化疾病，是一种和年龄高度相关的疾病，由该疾病引起的器官衰竭至少占全球死亡人数的三分之一。
　　与年龄相关的疾病治疗面临着迫切的需求，而市面上鲜见到抗衰老药物。抗衰老研究，可以从底层解决各种和年龄相关的疾病。
　　FelixWong所在的麻省理工学院（MIT）教授吉姆柯林斯（JimCollins）课题组，一直以来十分关注和年龄相关的疾病。他们在抗生素领域已经深耕多年，在表型开发药物上积累了丰富经验，曾用AI技术发现了一种抗生素。后来，他们发现这些经验同样适用于抗衰老药物的研发，于是课题组将AI发现抗生素的方法，复用于抗衰老药物的发现之中。
　　研究中，他们用AI模型生成数据，随后对模型预测出来的化合物进行实验，将化合物注射到小鼠体内，并对衰老生物标志物进行测试，借此来评估药物的效果。
　　在验证AI模型以及发现化合物时，课题组投入了大量时间。例如，他们需要重复整个筛选过程、计算流程，借此来测试不同的参数，比如最终筛选浓度、机器学习的超参数等。而最让人激动的时刻莫过于他们在不同的衰老模型例如DNA损伤模型和复制性衰老模型中，都可以看到不错的抗衰老效果。
　　更加幸运的是，此次发现的第一个Senolytic，在测试老鼠实验时很快就获得了成功。而在以往的实验中，往往需要经过多轮测试，这鼓舞了课题组研发信心。最终，相关论文以《用深度神经网络发现小分子抗衰老药物》（Discoveringsmallmoleculesenolyticswithdeepneuralnetworks）为题发在NatureAging上〔1〕，FelixWong是第一作者，JamesCollins担任通讯作者。
　　（来源：NatureAging）
　　目前，他们正推进此项研究，未来将使用更大的化学药物库，以便在其中进行高通量筛选，并将使用筛选出来的数据去训练下一代更大的模型，不断提高模型的预测能力、以及发现潜在抗衰老化合物的能力。
　　此外，他们还计划开展临床试验，借此评估抗衰老化合物在治疗纤维化以及其他衰老类疾病的潜在疗效。
　　据介绍，FelixWong出生于美国波士顿。本科时在哈佛大学主修纯数学，2014年获得数学和计算机的A。B。S。M。学位。2019年获得哈佛应用物理博士学位。他说：“我在很小的时候就对抗衰老问题非常感兴趣，本科时候发现这个目标依然对我有着强大的吸引力，所以我决定将解决衰老问题作为我的追求目标。”
　　而作为一个数学专业的学生，也意味着他需要从头学习现代生物技术和药物研发。博士毕业之后，FelixWong选择来到MIT继续从事博后研究。
　　FelixWong表示：“如果没有IntegratedBiosciences公司的支持，这项工作将无法实现。IntegratedBiosciences由我和MaxWilson教授于2022年创立。我们的科学顾问包括JimCollins和DavidW。C。MacMillan（2021年诺贝尔化学奖得主）。此外，我们也获得了很多投资人的支持。解决衰老的目标，看起来是一个疯狂的想法。但随着生物技术的进步，我认为非常有机会在这个目标上取得更大进展。”
　　参考资料：
　　1。Wong，F。，Omori，S。，Donghia，N。M。etal。Discoveringsmallmoleculesenolyticswithdeepneuralnetworks。NatAging3，734750（2023）。https：doi。org10。1038s4358702300415z