辛克莱与人工智能：将160年的衰老研究压缩至数月

当人工智能扫描数十亿分子以寻找能够逆转衰老的药物时，会发生什么？哈佛大学的戴维·辛克莱教授，即《寿命》一书的作者，也是全球最知名的长寿研究者之一，做客YouTube频道Impact Theory（汤姆·比利乌）的访谈，展示了一个雄心勃勃的项目：利用人工智能和机器学习工具，虚拟筛选和测试海量候选分子，以寻找能够减缓或逆转衰老的化合物。“160年”这一标题并非指阅读科学文献，而是指所需的时间和成本：传统方法进行如此规模的筛选大约需要160年，耗资数十亿，而人工智能将其压缩至数月。

视频内容概述

辛克莱的谈话在新工具的兴奋与对其能力的科学解释之间切换，涵盖了几个核心方面：

• 筛选数十亿分子：辛克莱描述他的实验室如何利用人工智能虚拟测试约80亿分子，而制药公司通常只筛选数百万，并预测哪些分子可能与衰老相关的生物靶点结合。
• 药物发现的巨大加速：如何通过人工智能学习生物学模式，对分子进行虚拟“对接”到蛋白质结构上，将原本需要数十年的过程缩短至数月。
• 新的候选药物：筛选出了哪些有前景的化合物，辛克莱提到三种分子的组合在实验室中将一名92岁老人的皮肤细胞恢复到了更年轻的状态。
• 廉价药丸替代昂贵基因疗法：辛克莱解释为何他希望未来一种成本极低的小分子能够替代花费数十万至数百万美元的基因治疗，并相信这类工具将在未来十年改变科学发现的节奏。

为何值得观看

人工智能与衰老研究的交汇是2026年最引人入胜且最前沿的话题之一，该视频罕见地展示了一位顶尖研究者如何构想该领域的近期未来。对于关注技术的人来说，看到我们熟悉的工具开始深入生物实验室，加速以往需要数年才能完成的过程，十分有趣。

然而，重要的是以批判的眼光观看，这正是我们在此秉持的态度。辛克莱是一位非常乐观的人物，多年来他推广了一些人类证据仍然薄弱的想法，例如NMN补充剂，我们对其持批判态度，因为缺乏在人体中的对照证据。因此，观看时需记住几点：人工智能标记的分子是候选者，而非已证实的药物。预测分子与生物靶点之间具有前景结合的算法，指出了有趣的研究方向，但并不能证明该化合物能延长寿命或逆转人类衰老。

此外，发现的加速并不等同于已证实的药物。人工智能可以大大缩短候选分子的搜索阶段，但筛选出的每种化合物仍需经历相同的漫长路径：细胞实验、动物实验，最后是人体对照临床试验，这是最昂贵、最漫长且最容易失败的阶段。结果的质量也取决于模型及其训练数据的质量，良好的虚拟预测仍需真正的实验验证。换句话说，工具令人印象深刻，方向正确，但从算法生成的分子列表到安全有效的延寿疗法，仍有很长的路要走。该视频非常适合理解其潜力，前提是记住这一差距。

祝观看愉快！