将时间倒拨回三十年，无人能知晓未来生活中，几乎人手一台轻便易携带的笔记本电脑，还是小众玩物的互联网已无孔不入，构建起一个庞大的数字世界。如今，人工智能（AI, Artificial Intelligence）亦如是，生物医学领域内，除了在面部识别、精准医疗等方面大放异彩，AI还渐入抗衰科技佳境。它，正处于爆发前夜。
早前提及AI，不禁让人联想到好莱坞大片《终结者》里的机器人，“他们”能够像人一样思考、对话，不过荧幕中的场景都还只是科幻编剧们的畅想。但隔断在科幻与现实之间的门帘一角似乎正被掀开。
2016年，谷歌旗下DeepMind推出AI围棋程序AlphaGo，以4：1的比分一举击溃来自韩国的前世界冠军李世石，并在短短一年后，再次升级为AlphaGo Zero（据说已能以100：0的成绩击败旧程序）。无疑宣告，AI时代可能真的要来了。
那么，在未来全新的人工智能时代里，衰老这一无法逃避的问题有可能改变吗？
AI迷的终极“星空”：
变身“终结者”
敢为人先的生物黑客们早已盯上AI抗衰，其中颇具代表性的便是当今世界首富马斯克。
除了爱好造新能源汽车和火箭，马斯克还是“脑机接口”的狂热追随者，旗下Neuralink公司就是一家研究通过控制微米等级设备、将人脑与机器接口连接的科技公司，声称“能通过消除大脑异常电信号，治疗包括帕金森病在内所有神经疾病”。
可以说，马斯克对AI与脑机接口的畅想或许是——实现“人机结合”的终极目标。
然而，马斯克的脑机接口真相是——从三只被植入接口的小猪身上，只监测到神经细胞对单个电刺激做出的基本放电反应，甚至压根与脑机接口的内核技术AI沾不上边。
虽然马斯克的脑机接口阶段性失败了，但随着AI发展日渐强劲，说不定未来某天，我们真能借助AI力量，随时监测机体状况并施以干预。只是那天还要多久，还需拭目以待。
仰望星空：
AI加速抗衰老药物研发
刨除“某个未来”能诞生的脑机接口，在抗衰老领域，AI同样拥有可大展身手之所——加速抗衰药物研发。
一直以来，在与衰老的斗智斗勇中，具备抗衰疗效的物质都被寄予厚望，好比本是器官移植术后抗排异药物，却因能抑制mTORC1意外拥有长寿奇效的雷帕霉素。但这位抗衰药界“第一梯队”选手，长期使用却会造成机体肾毒性、伤口愈合障碍和免疫抑制等一系列不良症状[1]。
对此AI似乎有点办法。2021年8月，一项来自我国学者的研究成果表明，计算机可通过自主模拟mTORC1位点，并在复杂计算后重新构建mTORC1完整结构，筛选出疗效更佳、毒性更小的“雷帕霉素类似物”[2]。
图注：软件模拟出的mTORC1结构，以及雷帕霉素对mTORC1的影响
此外，AI技术还陆续在找寻抗肌肉衰老药物[3]、具有抗衰老功效多肽[4]、特发性肺纤维化（IPF，一种衰老相关的绝症）药物[5]等领域多方发力。我们期待借助AI高效率、高精度优势，早日筛选出疗效与安全性俱佳的抗衰老药物。
衰老检测：
未卜先知让你与未来对话
除去大大加速抗衰老药物的研发，AI在“治未病”方面也有深藏不露之伟力——成为开发衰老检测工具的重要手段，使人们能及早知晓机体衰老状况，制定干预方案。
随着长寿研究的深入，现在我们已经清楚实际年龄（就是你身份证上的年龄）已经不足以真正反映机体的衰老程度，想要延年益寿，更应关注生理年龄。理所应当，寻找能精准测量生理年龄的工具又成了当务之急。
2013年，美国著名学者Steve Horvath[7]与Gregory Hannum[8]开发出“DNA甲基化时钟”，用于生理年龄的测量。此后，研究人员除了利用传统手段进一步优化时钟精度[9-10]，更尝试结合跨学科的尖端手段，加速生理年龄预测时钟的发展，这其中AI的力量不容小觑。
除了刚过去的2021年，由任职斯坦福大学与“抗衰圣地”巴克研究所的David Furman教授主导，运用AI技术搭建的“iAge”炎症衰老时钟[11]，更早时候，一家名为Insilico Medicine的长寿科技公司也敏锐嗅到这一契机。
2014年，Insilico Medicine（英矽智能）在美国成立，并于同年成立旗下Deep Longevity团队，开始寻找衰老相关的生物标志物。他们通过AI深度学习与神经网络，陆续筛选出血液、转录组、微生物组等多项生物衰老标志物，并于2020年底发布首个AI生理年龄预测时钟DeepMAge[12]。
迄今为止，Insilico Medicine已完成超3亿美元融资，在最近（2021年6月）一次C轮融资中，Insilico Medicine单次引入资本2.55亿美元，吸引了众多中外头部资本（如红衫资本、启明创投）的支持。
无论是入局时间，还是技术积累，亦或是布局深度，Insilico Medicine可以说，已经成为AI制药赛道上的头部玩家。
目前，Insilico Medicine已独立开发出“基于AI的多模型生理年龄时钟”，包括血液年龄、甲基化年龄、微生物组年龄、行为年龄等多个模块。毫无疑问，这一涵盖多个维度的新型AI时钟，对人类精准知晓个体生理年龄，及早量身定制干预措施，意义深远。
图注：Deep Longevity公布新型AI时钟组成模块。来源其官网Biological Age Report
AI时代，
抗衰老未来去往何方？
过往种种，足以说明，在衰老研究领域，AI具有极为广泛的应用前景，或许，未来我们真可能借助AI彻底战胜衰老！
但前路绝无可能一帆风顺，AI在抗衰道路上还将遇见哪些挑战，我们又将如何与AI“共处”？作为门外汉，派派也尤为好奇AI推手之下的抗衰未来。
于是，在本周六（1月15日）即将举办的时光派2022衰老干预学术论坛上，我们极为有幸邀请到著名长寿科技公司Insilico Medicine创始人兼首席执行官Alex Zhavoronkov教授，具有顶流AI企业家与顶尖衰老研究机构（Buck衰老研究所）兼职教授双重身份的他，将以实时连线的方式与论坛观众们交流AI时代下生物衰老标志物的开发变革。
Alex Zhavoronkov教授曾笑谈：“从失败中汲取教训是非常重要的，然而死亡是世界上唯一无法从中汲取教训的失败。从上面这句话中学到的教训——尽量不要死”。那么，AI是否真能掀起一场全新抗衰变革风暴？1月15日，时光派年会，我们共同见证。
除了Alex Zhavoronkov博士外，华人著名抗衰老学者北大学者韩敬东教授、史上最强衰老细胞清除剂发现者孙宇研究员、全球首个抗衰老药物人体临床试验TAME（“二甲双胍干预衰老”）掌舵人Nir Barzilai教授等一众大咖，也将于论坛分享衰老研究的最新进展。
长寿渡轮即将启航，请快登船！
重磅预告
现场门票已全部售罄
明日公布直播计划
敬请期待！
（点击图片或阅读原文查看论坛详情）
—— TIMEPIE ——
参考文献
[1]Partridge, L., Fuentealba, M., & Kennedy, B. K. (2020). The quest to slow ageing through drug discovery. Nature reviews. Drug discovery, 19(8), 513–532. https://doi.org/10.1038/s41573-020-0067-7
[2]Li, H., Yang, W., Wang, Z., Wang, X., Hao, Y., Xi, J., Lu, H., Du, Z., Feng, J., Zhang, B., & Ma, D. (2021). Computational research of mTORC1 inhibitor on cerebral ischemia-reperfusion injury. Aging, 13(15), 19598–19613. https://doi.org/10.18632/aging.203371
[3]https://clinicaltrials.gov/ct2/show/NCT03276728
[4]https://www.nuritas.com/2020/06/22/nuritas-launches-peptiyouth-the-first-ever-ai-discovered-clinically-proven-anti-aging-molecule/
[5]https://www.longevity.technology/ai-first-novel-drug-target-and-novel-molecule-discovered/
[6]Horvath S. (2013). DNA methylation age of human tissues and cell types. Genome biology, 14(10), R115. https://doi.org/10.1186/gb-2013-14-10-r115
[7]Hannum, G., Guinney, J., Zhao, L., Zhang, L., Hughes, G., Sadda, S., Klotzle, B., Bibikova, M., Fan, J. B., Gao, Y., Deconde, R., Chen, M., Rajapakse, I., Friend, S., Ideker, T., & Zhang, K. (2013). Genome-wide methylation profiles reveal quantitative views of human aging rates. Molecular cell, 49(2), 359–367. https://doi.org/10.1016/j.molcel.2012.10.016
[8]Levine, M. E., Lu, A. T., Quach, A., Chen, B. H., Assimes, T. L., Bandinelli, S., Hou, L., Baccarelli, A. A., Stewart, J. D., Li, Y., Whitsel, E. A., Wilson, J. G., Reiner, A. P., Aviv, A., Lohman, K., Liu, Y., Ferrucci, L., & Horvath, S. (2018). An epigenetic biomarker of aging for lifespan and healthspan. Aging, 10(4), 573–591. https://doi.org/10.18632/aging.101414
[9]Lu, A. T., Quach, A., Wilson, J. G., Reiner, A. P., Aviv, A., Raj, K., Hou, L., Baccarelli, A. A., Li, Y., Stewart, J. D., Whitsel, E. A., Assimes, T. L., Ferrucci, L., & Horvath, S. (2019). DNA methylation GrimAge strongly predicts lifespan and healthspan. Aging, 11(2), 303–327. https://doi.org/10.18632/aging.101684
[10]Sayed, N., Huang, Y., Nguyen, K., Krejciova-Rajaniemi, Z., Grawe, A. P., Gao, T., Tibshirani, R., Hastie, T., Alpert, A., Cui, L., Kuznetsova, T., Rosenberg-Hasson, Y., Ostan, R., Monti, D., Lehallier, B., Shen-Orr, S. S., Maecker, H. T., Dekker, C. L., Wyss-Coray, T., Franceschi, C., … Furman, D. (2021). An inflammatory aging clock (iAge) based on deep learning tracks multimorbidity, immunosenescence, frailty and cardiovascular aging. Nature aging, 1, 598–615. https://doi.org/10.1038/s43587-021-00082-y
[11]Galkin, F., Mamoshina, P., Kochetov, K., Sidorenko, D., & Zhavoronkov, A. (2021). DeepMAge: A Methylation Aging Clock Developed with Deep Learning. Aging and disease, 12(5), 1252–1262. https://doi.org/10.14336/AD.2020.1202