DeepMind i starzenie się: Sztuczna inteligencja wykrywa geny, które cofają komórki w czasie

Co dekadę lub dwie zdarza się moment, w którym dwa rozwijające się osobno obszary zderzają się ze sobą i zmieniają oba na zawsze. Tak było, gdy informatyka spotkała genetykę, tworząc bioinformatykę. Teraz jesteśmy świadkami takiego momentu ponownie: sztuczna inteligencja spotyka biologię starzenia się.

19 maja 2026 roku Google DeepMind, laboratorium sztucznej inteligencji stojące za AlphaFold i AlphaGo, opublikowało swój nowy kierunek prac w dziedzinie starzenia się. Narzędzie stojące w centrum ogłoszenia nazywa się Co-Scientist: wieloagentowy system sztucznej inteligencji (multi-agent), zbudowany na modelu Gemini, którego zadaniem jest skanowanie literatury naukowej, generowanie hipotez, konfrontowanie ich ze sobą i ocenianie. Zespół badaczy wykorzystał go do znalezienia genetic leads, kandydatów genetycznych zdolnych do przekształcenia starych komórek w młodszy stan. Mówiąc prościej, system próbował odpowiedzieć na pytanie, które badacze długowieczności zadają od dwudziestu lat: które geny należy włączyć lub wyłączyć, aby zresetować wiek komórki?

Różnica polega na tempie. Analiza łącząca dane z eksperymentu przesiewowego z dziesiątkami tysięcy artykułów naukowych może zająć badaczowi nawet do pół roku. Dzięki Co-Scientist ta sama praca skraca się do zaledwie kilku dni. To nie jest lek i wciąż nie jest to obietnica, ale to dramatyczny skok w szybkości, z jaką zawężamy przestrzeń możliwości.

Czym właściwie są genetic leads do cofania komórek w czasie?

Aby zrozumieć, czego szukał zespół, trzeba zrozumieć, co nauka już wie o odmładzaniu komórek:

Reprogramowanie (reprogramming): W 2006 roku Shinya Yamanaka pokazał, że można przywrócić dojrzałą komórkę do stanu komórki macierzystej poprzez aktywację zaledwie czterech genów (OSKM). To był dowód, że wiek komórki jest odwracalny.
Częściowe reprogramowanie (partial reprogramming): Zamiast całkowicie usuwać tożsamość komórki, aktywuje się geny na krótki czas, aby ją „odmłodzić” bez przekształcania jej w komórkę macierzystą. W ten sposób komórka pozostaje neuronem lub komórką skóry, ale jest młodsza.
Genetic leads: Są to kandydaci, geny lub kombinacje genów, które mają wysoki potencjał do osiągnięcia tego odmłodzenia. Zdecydowana większość z nich nie została jeszcze przebadana w laboratorium.

Problemem jest rozmiar przestrzeni poszukiwań i ilość rozproszonej wiedzy. W ludzkim genomie jest około 20 000 genów, a wiedza o ich roli jest rozproszona w dziesiątkach tysięcy artykułów naukowych. Ręczne połączenie wszystkich tych nici i zrozumienie, których kandydatów warto sprawdzić najpierw, może zająć długie miesiące pracy. W tym miejscu wkracza sztuczna inteligencja.

Związek ze sztuczną inteligencją: system, który czyta całą literaturę

Ważne jest, aby zrozumieć, co Co-Scientist robi, a czego nie. Nie jest to model typu AlphaFold, który przewiduje trójwymiarową strukturę białka, ani nie „skanuje milionów kombinacji genów” z surowych danych biologicznych. Zamiast tego jest to system wieloagentowy, w którym każdy agent pełni rolę: jeden agent generuje hipotezy, inny je krytykuje, jeszcze inny ocenia i ulepsza. Wszyscy działają na tym samym surowcu, istniejącej literaturze naukowej.

Gdy zespół poprosił Co-Scientist o przeszukanie literatury w poszukiwaniu czynników, które mogą cofnąć starzenie się, system przeskanował dziesiątki tysięcy artykułów, rozważył wiele hipotez i ostatecznie zaproponował ponad 20 nowych i obiecujących czynników genetycznych do zbadania. Eksperymenty laboratoryjne potwierdziły część jego hipotez: niektóre z zalecanych przez niego czynników rzeczywiście popchnęły komórki w młodszy stan z ogólnie poprawionym funkcjonowaniem. W ten sposób AI skupia badaczy: zamiast samodzielnie przesiewać morze literatury, otrzymują krótką i skoncentrowaną listę kandydatów, których warto sprawdzić w pierwszej kolejności.

To rozróżnienie jest ważne, ponieważ łatwo pomylić dwa rodzaje narzędzi. AlphaFold rozwiązał zupełnie inny problem, przewidywanie struktury, i za to szefowie zespołu otrzymali Nagrodę Nobla w dziedzinie chemii w 2024 roku (patrz poniżej). Co-Scientist natomiast jest „partnerem badawczym”, który syntetyzuje rozproszoną wiedzę i proponuje kierunki. Oba pochodzą z DeepMind, ale są to narzędzia różnych typów, odpowiadające na różne pytania.

Kontekst przemysłowy jest również ważny. DeepMind jest częścią Alphabet (spółki matki Google), która prowadzi również Calico, firmę założoną w 2013 roku specjalnie w celu walki ze starzeniem się. Połączenie mocy obliczeniowej, ogromnej literatury naukowej i niemal nieograniczonego finansowania to dokładnie to, czego do tej pory brakowało dziedzinie długowieczności.

Obecne dowody

Ważne jest, aby być precyzyjnym: zaproponowanie kandydata genetycznego przez system to początek drogi, a nie jej koniec. Niemniej jednak, można umieścić to ogłoszenie na tle tego, co zostało już udowodnione w ostatnich latach, i zrozumieć, dlaczego oczekiwania są wysokie.

Badanie 1: Odmładzanie komórek w oku z 2020 roku

Zespół z Harvardu pod kierownictwem Davida Sinclaira pokazał, że można przywrócić wzrok starym myszom i myszom z jaskrą poprzez aktywację trzech z czterech czynników Yamanaki (OSK) w nerwie wzrokowym. Komórki nerwowe zregenerowały się, a ich wiek biologiczny spadł (Lu i współpracownicy, Nature 2020). To dowód, że precyzyjne cele genetyczne rzeczywiście odwracają procesy.

Badanie 2: AlphaFold i przewidywanie struktury białek

W oddzielnym i innym osiągnięciu, DeepMind w 2022 roku udostępniło trójwymiarowe struktury ponad 200 milionów białek, prawie wszystkich znanych białek. Osiągnięcie to przyniosło szefom zespołu, Demisowi Hassabisowi i Johnowi Jumperowi, Nagrodę Nobla w dziedzinie chemii w 2024 roku i udowodniło, że sztuczna inteligencja może rozwiązywać problemy biologiczne uważane za nierozwiązywalne przez dziesięciolecia. Uwaga: jest to narzędzie inne niż Co-Scientist, ale demonstruje tę samą zdolność DeepMind do przyspieszania nauk biologicznych.

Badanie 3: Mapy komórek na dużą skalę

Projekty takie jak Human Cell Atlas zmapowały profil ekspresji genów milionów pojedynczych komórek z różnych tkanek i w różnym wieku. Takie dane, wraz z literaturą naukową, są częścią surowca, na którym może opierać się system taki jak Co-Scientist, aby zrozumieć, czym jest „młoda komórka”, a czym „stara komórka” na poziomie genów.

Badanie 4: Epigenetyczne zegary starzenia się

Zegar Horvatha i jego następcy mierzą wiek biologiczny na podstawie wzorców metylacji DNA z dokładnością około 3,6 lat (średni błąd). Takie zegary dają badaczom obiektywną miarę: czy proponowana zmiana genetyczna rzeczywiście obniżyła wiek, czy nie.

A co z konkretnymi chorobami wieku?

Odmładzanie komórek nie jest abstrakcyjnym celem. Jeśli uda nam się cofnąć komórki w czasie, konsekwencje dotkną każdej choroby zależnej od wieku:

Choroby neurodegeneracyjne mózgu: Neurony prawie się nie dzielą, więc ich odmłodzenie może być rozwiązaniem dla Alzheimera i Parkinsona, w miejscu, gdzie komórki macierzyste nie pomagają.
Choroby serca: Komórki mięśnia sercowego tracą zdolność regeneracji z wiekiem. Częściowe reprogramowanie może ją przywrócić.
Układ odpornościowy: „Odmłodzenie” komórek układu odpornościowego mogłoby przywrócić osłabioną z wiekiem ochronę i poprawić odpowiedź na szczepionki.

Innymi słowy, silnik, który skutecznie znajduje cele genetyczne do odmładzania, nie rozwiązuje jednej choroby, ale atakuje wspólny czynnik wszystkich chorób wieku.

Czy to przełom, na który wszyscy czekaliśmy?

W tym miejscu trzeba się zatrzymać i wziąć głęboki oddech. Nagłówek „sztuczna inteligencja odwraca starzenie się” jest ekscytujący, ale odległość między kandydatem genetycznym na ekranie a terapią u ludzi jest ogromna.

Propozycja to nie weryfikacja: Nawet jeśli system zaproponuje gen jako obiecującego kandydata, trzeba go przetestować na żywych komórkach, potem na zwierzętach, a dopiero potem na ludziach. Wskaźnik niepowodzeń na tej drodze jest bardzo wysoki. Nawet w obecnym przykładzie tylko niewielka część z 20 zaproponowanych czynników przeszła wstępną weryfikację w komórkach.
Ryzyko raka: Aktywacja czynników Yamanaki bez kontroli przekształca komórki w dzikie komórki macierzyste, co może prowadzić do nowotworów. Kontrola dawki i czasu jest największym wyzwaniem.
Czas: Nawet w optymistycznym scenariuszu badania kliniczne na ludziach trwają od 7 do 12 lat. Żadna sztuczna inteligencja nie skraca etapu bezpieczeństwa.
Hype kontra rzeczywistość: Firmy komercyjne i nagłówki lubią zacierać różnicę między „znaleźliśmy kandydata” a „znaleźliśmy leczenie”. Konsument powinien uważnie czytać, co dokładnie zostało udowodnione.

Więc nie, nikt z nas nie dostanie zastrzyku odmładzającego w nadchodzącym roku. To, co się stało, to skok w szybkości etapu odkrycia, i to samo w sobie jest znaczące.

Co jednak wynieść z tych badań?

Nawet bez dostępu do laboratoriów Google, istnieją praktyczne wnioski, które można zastosować już dziś:

Nie kupuj „leków odmładzających”, które reklamują się jako oparte na sztucznej inteligencji. Jeśli coś jest już sprzedawane, nie przeszło etapu weryfikacji klinicznej. Zachowaj zdrowy sceptycyzm.
Wspieraj swoje naturalne mechanizmy naprawcze: Aktywność fizyczna, post przerywany i wysokiej jakości sen aktywują te same szlaki naprawy DNA i odmładzania komórek, które nauka próbuje rozszyfrować.
Śledź swój zegar biologiczny: Testy wieku epigenetycznego (takie jak TruAge) są dostępne publicznie i dają obiektywną miarę wpływu zmian w stylu życia.
Inwestuj w zdrowie metaboliczne: Równowaga cukru, utrzymanie masy mięśniowej i prawidłowy cholesterol spowalniają starzenie się komórek nawet bez żadnej interwencji genetycznej.
Bądź na bieżąco, ale z cierpliwością: To dziedzina, która rozwija się skokowo. Prawdziwa nowina nadejdzie z wyników badań klinicznych, a nie z komunikatu prasowego.

Szeroka perspektywa

Wejście DeepMind na arenę długowieczności oznacza głębszą zmianę niż jakikolwiek pojedynczy znaleziony gen. Oznacza to, że starzenie się przeszło z marginalnej dziedziny naukowej na arenę, na której rywalizują najwięksi gracze technologiczni na świecie. Gdy Google, z jednym z najpotężniejszych laboratoriów sztucznej inteligencji na świecie, decyduje, że odmładzanie komórek jest warte jego uwagi, cała dziedzina zyskuje finansowanie, talenty i legitymizację.

Ale jest tu też skromne przypomnienie. Co-Scientist nie „rozwiązał” biologii, zsyntetyzował istniejącą wiedzę i dał badaczom znacznie lepszą mapę. Sztuczna inteligencja zawęża przestrzeń poszukiwań, ale nie zastępuje ciężkiej pracy weryfikacji, bezpieczeństwa i zrozumienia. Genom to nie tylko tekst do odszyfrowania, to żywy system, który reaguje w sposób, który wciąż nas zaskakuje.

Właściwy moment na ekscytację to nie wtedy, gdy algorytm proponuje kandydata, ale gdy prawdziwa ludzka komórka w laboratorium staje się dzięki niemu młodsza. Co-Scientist właśnie skrócił drogę do tego momentu, ale go nie wyeliminował.

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