自主的人工智能代理商从数百万个分子配置文件中发现衰老干预措施

科学领域:

• 生物遗传学 生物遗传学
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 庞大的分子数据集存在,但在衰老研究中未得到充分利用.
• 陈旧的时钟现在可以估计生物年龄,并从分子数据预测结果.
• 对现有数据的系统分析为发现长寿干预提供了新的途径.

研究的目的:

• 开发一个由人工智能驱动的平台 (ClockBase Agent) 用于重新分析分子数据以确定改变年龄的干预措施.
• 自主生成假设,评估干预对生物年龄的影响,并制作科学报告.
• 在人类和小鼠模型中发现影响衰老的干预措施的基本模式.

主要方法:

• 开发了ClockBase Agent,集成了数以百万计的人类和小鼠甲基化和RNA-seq样本,具有超过40个衰老时钟预测.
• 雇佣专门的AI代理人进行自主假设生成,干预效应评估,文献审查和报告制作.
• 通过使用多种衰老生物标志物对43,602个干预对照比较进行了大规模的再分析.

主要成果:

• 确定了成千上万种改变年龄的效应,包括超过500种干预措施,可以显著降低生物年龄 (例如,奥阿巴因,KMO抑制剂,纤维酸盐).
• 揭示的模式:更多的干预加快了衰老,疾病加快了生物年龄,功能丧失遗传方法对减速优越.
• 通过显示长寿路径的趋同和与寿命数据库的一致性来验证AI识别的干预措施.
• 在老年小鼠中实验验验证的ouabain,显示减少脆弱性,神经炎症和改善心脏功能.

结论:

• ClockBase Agent通过重新分析现有研究,为自主发现改变年龄的干预措施建立了一个新的范式.
• 该平台将数据提取转化为生物见解,促进人类健康和寿命.
• 人工智能驱动的分子数据的系统再分析是识别新老龄化治疗策略的强大工具.