DeepMind e l'invecchiamento: l'intelligenza artificiale individua geni che ringiovaniscono le cellule

Ogni decennio o due c'è un momento in cui due campi sviluppatisi separatamente si scontrano e cambiano entrambi per sempre. È successo quando l'informatica ha incontrato la genetica, creando la bioinformatica. Ora stiamo assistendo di nuovo a un momento simile: l'intelligenza artificiale incontra la biologia dell'invecchiamento.

Il 19 maggio 2026, Google DeepMind, il laboratorio di intelligenza artificiale dietro AlphaFold e AlphaGo, ha pubblicato la sua nuova direzione di lavoro nel campo dell'invecchiamento. Lo strumento al centro dell'annuncio si chiama Co-Scientist: un sistema di intelligenza artificiale multi-agente, basato sul modello Gemini, il cui compito è scansionare la letteratura scientifica, generare ipotesi, confrontarle e classificarle. Un team di ricercatori lo ha utilizzato per individuare genetic leads, candidati genetici in grado di riportare le cellule anziane a uno stato più giovane. In parole semplici, il sistema ha cercato di rispondere alla domanda che i ricercatori sulla longevità si pongono da vent'anni: quali geni devono essere accesi o spenti per resettare l'età cellulare?

La differenza sta nella velocità. Un'analisi che combina dati da esperimenti di screening con decine di migliaia di articoli scientifici può richiedere a un ricercatore fino a sei mesi. Con Co-Scientist, lo stesso lavoro si riduce a pochi giorni. Non è una cura, e non è ancora una promessa, ma è un balzo drammatico nella velocità con cui restringiamo lo spazio delle possibilità.

Cosa sono esattamente i genetic leads per il ringiovanimento cellulare?

Per capire cosa il team stava cercando, bisogna capire cosa la scienza già sa sul ringiovanimento cellulare:

• Riprogrammazione (reprogramming): Nel 2006, Shinya Yamanaka ha dimostrato che è possibile riportare una cellula adulta a uno stato di cellula staminale attivando solo quattro geni (OSKM). Questa è stata la prova che l'età cellulare è reversibile.
• Riprogrammazione parziale (partial reprogramming): Invece di cancellare completamente l'identità della cellula, si attivano i geni per un breve periodo per 'ringiovanirla' senza trasformarla in una cellula staminale. Così la cellula rimane un neurone o una cellula della pelle, ma più giovane.
• Genetic leads: Questi sono candidati, geni o combinazioni di geni, che hanno un alto potenziale per ottenere questo ringiovanimento. La stragrande maggioranza non è stata ancora testata in laboratorio.

Il problema è la dimensione dello spazio di ricerca e la quantità di conoscenza dispersa. Il genoma umano contiene circa 20.000 geni, e la conoscenza del loro ruolo è sparsa in decine di migliaia di articoli scientifici. Collegare manualmente tutti questi fili e capire quali candidati testare per primi può richiedere lunghi mesi di lavoro. Qui entra in gioco l'intelligenza artificiale.

Il contesto dell'intelligenza artificiale: un sistema che legge tutta la letteratura

È importante capire cosa fa Co-Scientist e cosa non fa. Non è un modello come AlphaFold che predice la struttura tridimensionale di una proteina, e non 'scansiona milioni di combinazioni genetiche' da dati biologici grezzi. Invece, è un sistema multi-agente in cui ogni agente svolge un ruolo: un agente genera ipotesi, un altro le critica, un altro le classifica e le migliora. Tutti lavorano sulla stessa materia prima, la letteratura scientifica esistente.

Quando il team ha chiesto a Co-Scientist di cercare nella letteratura fattori che potessero invertire l'invecchiamento, ha scansionato decine di migliaia di articoli, ha valutato una serie di ipotesi e ha infine proposto oltre 20 nuovi e promettenti fattori genetici da testare. Esperimenti di laboratorio hanno validato alcune delle sue ipotesi: alcuni dei fattori raccomandati hanno effettivamente spinto le cellule verso uno stato più giovane con una funzione generale migliorata. Così l'AI focalizza i ricercatori: invece di setacciare da soli il mare della letteratura, si riceve una lista breve e mirata di candidati da testare per primi.

Questa distinzione è importante perché è facile confondere due tipi di strumenti. AlphaFold ha risolto un problema completamente diverso, la previsione della struttura, guadagnando ai capi del team il Premio Nobel per la Chimica nel 2024 (vedi sotto). Co-Scientist, invece, è un 'partner di ricerca' che sintetizza conoscenze disperse e suggerisce direzioni. Entrambi sono di DeepMind, ma sono strumenti di tipo diverso che rispondono a domande diverse.

Anche il contesto industriale è importante. DeepMind fa parte di Alphabet (la società madre di Google), che gestisce anche Calico, un'azienda fondata nel 2013 specificamente per combattere l'invecchiamento. La combinazione di potenza di calcolo, letteratura scientifica vastissima e finanziamenti quasi illimitati è esattamente ciò che è mancato fino ad oggi al campo della longevità.

Le prove attuali

È importante essere precisi: la proposta di un candidato genetico da parte del sistema è l'inizio del percorso, non la fine. Tuttavia, possiamo collocare l'annuncio sullo sfondo di ciò che è già stato dimostrato negli ultimi anni e capire perché le aspettative sono alte.

Studio 1: Ringiovanimento cellulare nell'occhio nel 2020

Un team di Harvard guidato da David Sinclair ha dimostrato che è possibile ripristinare la vista in topi anziani e in topi con glaucoma attivando tre dei quattro fattori di Yamanaka (OSK) nel nervo ottico. I neuroni si sono rigenerati e la loro età biologica è diminuita (Lu et al., Nature 2020). Questa è la prova che bersagli genetici precisi possono effettivamente invertire i processi.

Studio 2: AlphaFold e la previsione della struttura proteica

In un risultato separato e diverso, DeepMind ha rilasciato nel 2022 le strutture tridimensionali di oltre 200 milioni di proteine, quasi ogni proteina conosciuta. Il risultato ha valso ai capi del team, Demis Hassabis e John Jumper, il Premio Nobel per la Chimica nel 2024, dimostrando che l'intelligenza artificiale può risolvere problemi biologici considerati irrisolvibili per decenni. Nota: questo è uno strumento diverso da Co-Scientist, ma dimostra la stessa capacità di DeepMind di accelerare la scienza biologica.

Studio 3: Mappe cellulari su larga scala

Progetti come Human Cell Atlas hanno mappato il profilo di espressione genica di milioni di singole cellule da una varietà di tessuti ed età. Dati come questi, insieme alla letteratura scientifica, fanno parte della materia prima su cui un sistema come Co-Scientist può basarsi per capire cos'è una 'cellula giovane' e cos'è una 'cellula vecchia' a livello genetico.

Studio 4: Orologi epigenetici dell'invecchiamento

L'orologio di Horvath e i suoi successori misurano l'età biologica in base ai modelli di metilazione del DNA con una precisione di circa 3,6 anni (errore medio). Orologi come questi forniscono ai ricercatori una misura oggettiva: se il cambiamento genetico proposto ha effettivamente ridotto l'età o meno.

E per quanto riguarda le malattie specifiche dell'età?

Il ringiovanimento cellulare non è un obiettivo astratto. Se riusciamo a ringiovanire le cellule, le implicazioni riguardano ogni malattia dipendente dall'età:

• Malattie neurodegenerative del cervello: I neuroni quasi non si dividono, quindi il loro ringiovanimento potrebbe essere una soluzione per Alzheimer e Parkinson, dove le cellule staminali non aiutano.
• Malattie cardiache: Le cellule del muscolo cardiaco perdono la capacità di rigenerarsi con l'età. La riprogrammazione parziale potrebbe ripristinarla.
• Sistema immunitario: Il 'ringiovanimento' delle cellule del sistema immunitario potrebbe ripristinare la difesa che si indebolisce con l'età e migliorare la risposta ai vaccini.

In altre parole, un motore che individua efficacemente bersagli genetici per il ringiovanimento non risolve una singola malattia, ma attacca il fattore comune a tutte le malattie dell'età.

È questa la svolta che tutti aspettavamo?

Qui bisogna fermarsi e fare un respiro profondo. Il titolo 'l'intelligenza artificiale inverte l'invecchiamento' è emozionante, ma la distanza tra un candidato genetico su uno schermo e una terapia per gli esseri umani è enorme.

• Proposta non è validazione: Anche se il sistema propone un gene come candidato promettente, deve essere testato in cellule vive, poi in animali, e solo dopo negli esseri umani. Il tasso di fallimento in questo percorso è molto alto. Anche nell'esempio attuale, solo una piccola parte dei 20 fattori proposti ha superato la validazione iniziale nelle cellule.
• Il rischio di cancro: L'attivazione incontrollata dei fattori di Yamanaka trasforma le cellule in cellule staminali selvagge, che possono causare tumori. Il controllo del dosaggio e dei tempi è la sfida più grande.
• Tempo: Anche nello scenario più ottimistico, gli studi clinici sugli esseri umani durano da 7 a 12 anni. Nessuna intelligenza artificiale accorcia la fase di sicurezza.
• Hype contro realtà: Le aziende commerciali e i titoli tendono a offuscare la distinzione tra 'abbiamo trovato un candidato' e 'abbiamo trovato una cura'. Il consumatore deve leggere attentamente cosa è stato effettivamente dimostrato.

Quindi no, nessuno di noi riceverà un'iniezione di ringiovanimento nell'anno a venire. Quello che è successo è che la velocità della fase di scoperta ha fatto un salto di livello, e questo da solo è significativo.

Cosa possiamo imparare dalla ricerca?

Anche senza accesso ai laboratori di Google, ci sono lezioni pratiche che possono essere applicate già oggi:

1. Non comprare 'terapie di ringiovanimento' pubblicizzate come basate sull'intelligenza artificiale. Se qualcosa è già in vendita oggi, non ha superato la fase di validazione clinica. Mantieni un sano scetticismo.
2. Sostieni i tuoi meccanismi di riparazione naturali: L'esercizio fisico, il digiuno intermittente e il sonno di qualità attivano gli stessi percorsi di riparazione del DNA e ringiovanimento cellulare che la scienza sta cercando di decifrare.
3. Tieni traccia del tuo orologio biologico: I test dell'età epigenetica (come TruAge) sono disponibili al pubblico e forniscono una misura oggettiva dell'effetto dei tuoi cambiamenti nello stile di vita.
4. Investi nella salute metabolica: L'equilibrio dello zucchero, il mantenimento della massa muscolare e il colesterolo sano rallentano l'invecchiamento cellulare anche senza alcun intervento genetico.
5. Rimani aggiornato, ma con pazienza: Questo è un campo che progredisce a balzi. La vera notizia arriverà dai risultati di uno studio clinico, non da un comunicato stampa.

La prospettiva più ampia

L'ingresso di DeepMind nell'arena della longevità segna un cambiamento più profondo di qualsiasi singolo gene che possa trovare. Segna che l'invecchiamento è passato da un campo scientifico di nicchia a un'arena in cui competono i più grandi attori tecnologici del mondo. Quando Google, con uno dei laboratori di intelligenza artificiale più potenti al mondo, decide che il ringiovanimento cellulare merita la sua attenzione, l'intero campo riceve finanziamenti, talento e legittimità.

Ma c'è anche un umile promemoria. Co-Scientist non ha 'risolto' la biologia, ha sintetizzato la conoscenza esistente e ha dato ai ricercatori una mappa molto migliore. L'intelligenza artificiale restringe lo spazio di ricerca, non sostituisce il duro lavoro di validazione, sicurezza e comprensione. Il genoma non è solo un testo da decifrare, è un sistema vivente che reagisce in modi che ancora ci sorprendono.

Il momento giusto per emozionarsi non è quando un algoritmo propone un candidato, ma quando una vera cellula umana in laboratorio diventa più giovane grazie ad esso. Co-Scientist ha appena accorciato il percorso verso quel momento, ma non lo ha eliminato.

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