DeepMind und Altern: Künstliche Intelligenz entdeckt Gene, die Zellen zurückdrehen

Alle ein oder zwei Jahrzehnte gibt es einen Moment, in dem zwei getrennt entwickelte Bereiche aufeinanderprallen und beide für immer verändern. So geschah es, als die Informatik auf die Genetik traf und die Bioinformatik hervorbrachte. Jetzt erleben wir einen solchen Moment erneut: Künstliche Intelligenz trifft auf die Biologie des Alterns.

Am 19. Mai 2026 veröffentlichte Google DeepMind, das KI-Labor hinter AlphaFold und AlphaGo, seine neue Arbeitsrichtung im Bereich des Alterns. Das Werkzeug im Mittelpunkt der Ankündigung heißt Co-Scientist: ein Multi-Agenten-KI-System, aufgebaut auf dem Gemini-Modell, dessen Aufgabe es ist, die wissenschaftliche Literatur zu scannen, Hypothesen zu generieren, sie gegeneinander abzuwägen und zu bewerten. Ein Forscherteam nutzte es, um genetic leads zu identifizieren, genetische Kandidaten, die alte Zellen in einen jüngeren Zustand versetzen können. Einfach ausgedrückt, versuchte das System, die Frage zu beantworten, die Langlebigkeitsforscher seit zwanzig Jahren stellen: Welche Gene müssen ein- oder ausgeschaltet werden, um das Zellalter zurückzusetzen?

Der Unterschied liegt im Tempo. Eine Analyse, die Daten aus einem Screening-Experiment mit Zehntausenden wissenschaftlichen Artikeln verbindet, kann für einen Forscher bis zu einem halben Jahr dauern. Mit Co-Scientist verkürzt sich dieselbe Arbeit auf wenige Tage. Es ist weder ein Medikament noch ein Versprechen, aber es ist ein dramatischer Sprung in der Geschwindigkeit, mit der wir den Möglichkeitsraum eingrenzen.

Was genau sind genetic leads zur Umkehrung von Zellen?

Um zu verstehen, wonach das Team suchte, muss man verstehen, was die Wissenschaft bereits über die Verjüngung von Zellen weiß:

• Reprogrammierung: 2006 zeigte Shinya Yamanaka, dass man eine reife Zelle durch die Aktivierung von nur vier Genen (OSKM) in einen Stammzellzustand zurückversetzen kann. Dies war der Beweis, dass das Zellalter umkehrbar ist.
• Partielle Reprogrammierung: Anstatt die Zellidentität vollständig zu löschen, werden die Gene für kurze Zeit aktiviert, um die Zelle zu 'verjüngen', ohne sie in eine Stammzelle zu verwandeln. So bleibt die Zelle ein Neuron oder eine Hautzelle, aber jünger.
• Genetic leads: Dies sind Kandidaten, Gene oder Genkombinationen, die ein hohes Potenzial haben, diese Verjüngung zu erreichen. Die allermeisten wurden noch nicht im Labor getestet.

Das Problem ist die Größe des Suchraums und die Menge des verstreuten Wissens. Das menschliche Genom enthält etwa 20.000 Gene, und das Wissen über ihre Funktion ist über Zehntausende wissenschaftlicher Artikel verstreut. Alle diese Fäden manuell zu verbinden und zu verstehen, welche Kandidaten zuerst getestet werden sollten, kann monatelange Arbeit erfordern. Hier kommt die künstliche Intelligenz ins Spiel.

Der Bezug zur künstlichen Intelligenz: Ein System, das die gesamte Literatur liest

Es ist wichtig zu verstehen, was Co-Scientist tut und was nicht. Es ist kein Modell wie AlphaFold, das die dreidimensionale Struktur eines Proteins vorhersagt, und es 'scannt nicht Millionen von Genkombinationen' aus rohen biologischen Daten. Stattdessen ist es ein Multi-Agenten-System, in dem jeder Agent eine Rolle spielt: Ein Agent generiert Hypothesen, ein anderer kritisiert sie, ein anderer bewertet und verbessert sie. Alle arbeiten mit demselben Rohmaterial, der vorhandenen wissenschaftlichen Literatur.

Als das Team Co-Scientist bat, in der Literatur nach Faktoren zu suchen, die das Altern umkehren könnten, scannte es Zehntausende von Artikeln, wog eine Vielzahl von Hypothesen ab und schlug schließlich mehr als 20 neue und vielversprechende genetische Faktoren zur Überprüfung vor. Laborexperimente bestätigten einige ihrer Hypothesen: Einige der von ihr empfohlenen Faktoren trieben Zellen tatsächlich in einen jüngeren Zustand mit verbesserter Gesamtfunktion. So fokussiert KI die Forscher: Anstatt selbst das Meer der Literatur zu durchforsten, erhält man eine kurze, fokussierte Liste von Kandidaten, die man zuerst testen sollte.

Diese Unterscheidung ist wichtig, da man leicht zwei Arten von Werkzeugen verwechseln kann. AlphaFold löste ein ganz anderes Problem, die Strukturvorhersage, und brachte den Teamleitern 2024 den Nobelpreis für Chemie ein (siehe unten). Co-Scientist hingegen ist ein 'Forschungspartner', der verstreutes Wissen synthetisiert und Richtungen vorschlägt. Beide stammen von DeepMind, aber es sind unterschiedliche Werkzeuge, die unterschiedliche Fragen beantworten.

Der industrielle Kontext ist ebenfalls wichtig. DeepMind ist Teil von Alphabet (der Muttergesellschaft von Google), die auch Calico betreibt, ein Unternehmen, das 2013 speziell zur Bekämpfung des Alterns gegründet wurde. Die Kombination aus Rechenleistung, riesiger wissenschaftlicher Literatur und nahezu unbegrenzter Finanzierung ist genau das, was dem Bereich der Langlebigkeit bisher gefehlt hat.

Die aktuellen Belege

Es ist wichtig, präzise zu sein: Der Vorschlag eines genetischen Kandidaten durch das System ist der Beginn des Weges, nicht sein Ende. Dennoch kann man die Ankündigung vor dem Hintergrund dessen betrachten, was in den letzten Jahren bereits bewiesen wurde, und verstehen, warum die Erwartungen hoch sind.

Studie 1: Verjüngung von Zellen im Auge aus dem Jahr 2020

Ein Team aus Harvard unter der Leitung von David Sinclair zeigte, dass man das Sehvermögen alter Mäuse und von Mäusen mit Glaukom wiederherstellen kann, indem man drei der vier Yamanaka-Faktoren (OSK) im Sehnerv aktiviert. Die Nervenzellen regenerierten sich und ihr biologisches Alter sank (Lu et al., Nature 2020). Dies ist der Beweis, dass präzise genetische Ziele tatsächlich Prozesse umkehren können.

Studie 2: AlphaFold und Proteinstrukturvorhersage

In einer separaten und anderen Errungenschaft veröffentlichte DeepMind 2022 die dreidimensionalen Strukturen von über 200 Millionen Proteinen, fast jedem bekannten Protein. Diese Errungenschaft brachte den Teamleitern Demis Hassabis und John Jumper 2024 den Nobelpreis für Chemie ein und bewies, dass künstliche Intelligenz biologische Probleme lösen kann, die jahrzehntelang als unlösbar galten. Beachten Sie: Dies ist ein anderes Werkzeug als Co-Scientist, aber es demonstriert dieselbe Fähigkeit von DeepMind, die biologische Wissenschaft zu beschleunigen.

Studie 3: Groß angelegte Zellkarten

Projekte wie der Human Cell Atlas haben das Genexpressionsprofil von Millionen einzelner Zellen aus verschiedenen Geweben und Altersstufen kartiert. Solche Daten sind zusammen mit der wissenschaftlichen Literatur Teil des Rohmaterials, auf das ein System wie Co-Scientist zurückgreifen kann, um zu verstehen, was auf Genebene eine 'junge Zelle' und was eine 'alte Zelle' ist.

Studie 4: Epigenetische Alterungsuhren

Die Horvath-Uhr und ihre Nachfolger messen das biologische Alter anhand von DNA-Methylierungsmustern mit einer Genauigkeit von etwa 3,6 Jahren (durchschnittlicher Fehler). Solche Uhren geben Forschern eine objektive Messgröße: Hat die vorgeschlagene genetische Veränderung das Alter tatsächlich gesenkt oder nicht?

Was ist mit spezifischen Alterskrankheiten?

Die Verjüngung von Zellen ist kein abstraktes Ziel. Wenn wir Zellen erfolgreich zurückdrehen können, betreffen die Auswirkungen jede altersabhängige Krankheit:

• Neurodegenerative Erkrankungen des Gehirns: Neuronen teilen sich kaum, daher könnte ihre Verjüngung eine Lösung für Alzheimer und Parkinson sein, wo Stammzellen nicht helfen.
• Herzkrankheiten: Herzmuskelzellen verlieren mit dem Alter ihre Regenerationsfähigkeit. Partielle Reprogrammierung könnte sie wiederherstellen.
• Immunsystem: Eine 'Verjüngung' der Zellen des Immunsystems könnte die mit dem Alter nachlassende Abwehr wiederherstellen und die Reaktion auf Impfungen verbessern.

Mit anderen Worten: Ein Motor, der effizient genetische Ziele für die Verjüngung identifiziert, löst nicht eine einzelne Krankheit, sondern greift die gemeinsame Ursache aller Alterskrankheiten an.

Ist das der Durchbruch, auf den wir alle gewartet haben?

Hier müssen wir innehalten und tief durchatmen. Die Schlagzeile 'Künstliche Intelligenz kehrt das Altern um' ist aufregend, aber die Entfernung zwischen einem genetischen Kandidaten auf einem Bildschirm und einer Behandlung beim Menschen ist gewaltig.

• Ein Vorschlag ist keine Bestätigung: Selbst wenn das System ein Gen als vielversprechenden Kandidaten vorschlägt, muss es in lebenden Zellen, dann in Tieren und erst dann am Menschen getestet werden. Die Ausfallrate auf diesem Weg ist sehr hoch. Auch im aktuellen Beispiel wurde nur ein kleiner Teil der 20 vorgeschlagenen Faktoren einer ersten Validierung in Zellen unterzogen.
• Das Krebsrisiko: Die unkontrollierte Aktivierung von Yamanaka-Faktoren verwandelt Zellen in wilde Stammzellen, was Tumore verursachen kann. Die Kontrolle von Dosis und Zeitpunkt ist die größte Herausforderung.
• Zeit: Selbst in einem optimistischen Szenario dauern klinische Studien am Menschen 7 bis 12 Jahre. Keine künstliche Intelligenz verkürzt die Sicherheitsphase.
• Hype vs. Realität: Kommerzielle Unternehmen und Schlagzeilen verwischen gerne die Unterscheidung zwischen 'wir haben einen Kandidaten gefunden' und 'wir haben eine Behandlung gefunden'. Der Verbraucher sollte genau lesen, was tatsächlich bewiesen wurde.

Also nein, keiner von uns wird im nächsten Jahr eine Verjüngungsspritze bekommen. Was jedoch passiert ist, ist, dass die Geschwindigkeit der Entdeckungsphase eine Stufe höher gesprungen ist, und das allein ist bedeutsam.

Was kann man aus der Forschung mitnehmen?

Auch ohne Zugang zu den Laboren von Google gibt es praktische Lehren, die man bereits heute anwenden kann:

1. Kaufen Sie keine 'Verjüngungsmedikamente', die damit werben, auf künstlicher Intelligenz zu basieren. Wenn etwas bereits heute verkauft wird, hat es die klinische Validierungsphase nicht durchlaufen. Bewahren Sie eine gesunde Skepsis.
2. Unterstützen Sie Ihre natürlichen Reparaturmechanismen: Bewegung, intermittierendes Fasten und guter Schlaf aktivieren dieselben DNA-Reparatur- und Zellverjüngungswege, die die Wissenschaft zu entschlüsseln versucht.
3. Verfolgen Sie Ihre biologische Uhr: Tests des epigenetischen Alters (wie TruAge) sind öffentlich zugänglich und bieten eine objektive Messgröße für die Auswirkungen Ihrer Lebensstiländerungen.
4. Investieren Sie in Ihre metabolische Gesundheit: Blutzuckerkontrolle, Erhalt der Muskelmasse und normaler Cholesterinspiegel verlangsamen die Zellalterung auch ohne jeden genetischen Eingriff.
5. Bleiben Sie informiert, aber geduldig: Dies ist ein Bereich, der sprunghaft voranschreitet. Die wirklich gute Nachricht wird von den Ergebnissen einer klinischen Studie kommen, nicht von einer Pressemitteilung.

Die breitere Perspektive

Der Einstieg von DeepMind in die Langlebigkeitsarena markiert eine tiefgreifendere Veränderung als jedes einzelne Gen, das gefunden wird. Es markiert, dass das Altern von einem Randgebiet der Wissenschaft zu einer Arena geworden ist, in der die größten Technologieunternehmen der Welt konkurrieren. Wenn Google, mit einem der leistungsstärksten KI-Labore der Welt, entscheidet, dass die Zellverjüngung seine Aufmerksamkeit wert ist, erhält das gesamte Feld Finanzierung, Talent und Legitimität.

Aber es gibt auch eine bescheidene Erinnerung. Co-Scientist hat die Biologie nicht 'gelöst', es hat das vorhandene Wissen synthetisiert und den Forschern eine weitaus bessere Karte gegeben. Künstliche Intelligenz grenzt den Suchraum ein, sie ersetzt nicht die harte Arbeit der Validierung, Sicherheit und des Verständnisses. Das Genom ist nicht nur ein zu entschlüsselnder Text, es ist ein lebendiges System, das auf Weisen reagiert, die uns noch immer überraschen.

Der richtige Zeitpunkt, sich zu freuen, ist nicht, wenn ein Algorithmus einen Kandidaten vorschlägt, sondern wenn eine echte menschliche Zelle im Labor dadurch jünger wird. Co-Scientist hat den Weg zu diesem Moment gerade verkürzt, aber nicht aufgehoben.

Referenzen:
Google DeepMind: Fast-tracking genetic leads to reverse cellular aging, 19 May 2026