DeepMind и старение: Искусственный интеллект находит гены, обращающие клетки вспять

Каждое десятилетие или два наступает момент, когда две области, развивавшиеся отдельно, сталкиваются и навсегда меняют друг друга. Так случилось, когда вычислительная техника встретилась с генетикой, породив биоинформатику. Сейчас мы снова наблюдаем такой момент: искусственный интеллект встречается с биологией старения.

19 мая 2026 года Google DeepMind, лаборатория искусственного интеллекта, стоящая за AlphaFold и AlphaGo, опубликовала новое направление своей работы в области старения. Инструмент, находящийся в центре объявления, называется Co-Scientist: многолетняя система искусственного интеллекта (multi-agent), построенная на модели Gemini, задача которой — сканировать научную литературу, генерировать гипотезы, сопоставлять их и ранжировать. Команда исследователей использовала её для поиска genetic leads, генетических кандидатов, способных перевести старые клетки в более молодое состояние. Проще говоря, система пыталась ответить на вопрос, который исследователи долголетия задают уже двадцать лет: какие гены нужно включить или выключить, чтобы сбросить возраст клетки?

Разница в скорости. Анализ, объединяющий данные скринингового эксперимента с десятками тысяч научных статей, может занять у исследователя до полугода. С Co-Scientist та же работа сокращается до нескольких дней. Это не лекарство и пока не обещание, но это драматический скачок в скорости, с которой мы сужаем пространство возможностей.

Что такое genetic leads для обращения клеток вспять?

Чтобы понять, что искала команда, нужно понять, что наука уже знает об омоложении клеток:

• Перепрограммирование (reprogramming): В 2006 году Шинья Яманака показал, что взрослую клетку можно вернуть в состояние стволовой, активировав всего четыре гена (OSKM). Это было доказательством того, что возраст клетки обратим.
• Частичное перепрограммирование (partial reprogramming): Вместо полного стирания идентичности клетки гены активируют на короткое время, чтобы «омолодить» её, не превращая в стволовую. Так клетка остаётся нейроном или клеткой кожи, но более молодой.
• Genetic leads: Это кандидаты, гены или комбинации генов, обладающие высоким потенциалом для достижения такого омоложения. Подавляющее большинство из них ещё не проверено в лаборатории.

Проблема — в размере пространства поиска и объёме разрозненных знаний. В геноме человека около 20 000 генов, а знания об их функциях разбросаны по десяткам тысяч научных статей. Вручную соединить все эти нити и понять, какие кандидаты стоит проверить в первую очередь, может занять долгие месяцы работы. Здесь на сцену выходит искусственный интеллект.

Связь с ИИ: система, читающая всю литературу

Важно понимать, что Co-Scientist делает, а что нет. Она не является моделью типа AlphaFold, предсказывающей трёхмерную структуру белка, и она не «сканирует миллионы комбинаций генов» на основе сырых биологических данных. Вместо этого это многолетняя система, где каждый агент выполняет свою роль: один генерирует гипотезы, другой их критикует, третий ранжирует и улучшает. Все они работают с одним и тем же сырьём — существующей научной литературой.

Когда команда попросила Co-Scientist поискать в литературе факторы, которые могут обратить старение вспять, она просканировала десятки тысяч статей, взвесила множество гипотез и в итоге предложила более 20 новых и правдоподобных генетических факторов для проверки. Лабораторные эксперименты подтвердили часть её гипотез: некоторые из рекомендованных ею факторов действительно подтолкнули клетки к более молодому состоянию с улучшенной общей функцией. Так ИИ фокусирует исследователей: вместо того чтобы самостоятельно просеивать море литературы, они получают короткий и целенаправленный список кандидатов, которые стоит проверить в первую очередь.

Это различие важно, потому что легко перепутать два типа инструментов. AlphaFold решил совершенно другую задачу — предсказание структуры, — за что руководители команды получили Нобелевскую премию по химии в 2024 году (см. ниже). Co-Scientist, напротив, является «исследовательским партнёром», который синтезирует разрозненные знания и предлагает направления. Оба инструмента от DeepMind, но они разных типов и отвечают на разные вопросы.

Промышленный контекст также важен. DeepMind является частью Alphabet (материнской компании Google), которая также управляет Calico, компанией, основанной в 2013 году специально для борьбы со старением. Сочетание вычислительной мощности, огромной научной литературы и почти неограниченного финансирования — это именно то, чего до сих пор не хватало области долголетия.

Текущие доказательства

Важно быть точным: предложение генетического кандидата системой — это начало пути, а не его конец. Тем не менее, можно поместить это объявление на фоне того, что уже было доказано в последние годы, и понять, почему ожидания высоки.

Исследование 1: Омоложение клеток глаза в 2020 году

Команда из Гарварда под руководством Дэвида Синклера показала, что можно восстановить зрение старым мышам и мышам с глаукомой, активируя три из четырёх факторов Яманаки (OSK) в зрительном нерве. Нервные клетки регенерировали, и их биологический возраст снизился (Lu и соавт., Nature 2020). Это доказательство того, что точные генетические мишени действительно обращают процессы вспять.

Исследование 2: AlphaFold и предсказание структуры белков

В отдельном и ином достижении DeepMind в 2022 году выпустила трёхмерные структуры более 200 миллионов белков, почти всех известных белков. Это достижение принесло руководителям команды, Демису Хассабису и Джону Джамперу, Нобелевскую премию по химии в 2024 году и доказало, что искусственный интеллект может решать биологические проблемы, считавшиеся неразрешимыми в течение десятилетий. Обратите внимание: это инструмент, отличный от Co-Scientist, но он демонстрирует ту же способность DeepMind ускорять биологическую науку.

Исследование 3: Карты клеток в большом масштабе

Проекты, такие как Human Cell Atlas, картировали профиль экспрессии генов миллионов отдельных клеток из различных тканей и возрастов. Такие данные, наряду с научной литературой, являются частью сырья, на которое может опираться система, подобная Co-Scientist, чтобы понять, что такое «молодая клетка» и «старая клетка» на уровне генов.

Исследование 4: Эпигенетические часы старения

Часы Хорвата (Horvath clock) и их аналоги измеряют биологический возраст по паттернам метилирования ДНК с точностью около 3,6 лет (средняя ошибка). Такие часы дают исследователям объективный показатель: снизило ли предложенное генетическое изменение возраст или нет.

А как насчёт специфических возрастных заболеваний?

Омоложение клеток — не абстрактная цель. Если нам удастся обратить клетки вспять, последствия затронут все заболевания, зависящие от возраста:

• Нейродегенеративные заболевания мозга: Нейроны почти не делятся, поэтому их омоложение может стать решением для болезни Альцгеймера и Паркинсона, там, где стволовые клетки не помогают.
• Болезни сердца: Клетки сердечной мышцы с возрастом теряют способность к регенерации. Частичное перепрограммирование может её восстановить.
• Иммунная система: «Омоложение» клеток иммунной системы может восстановить защиту, ослабевающую с возрастом, и улучшить реакцию на вакцины.

Другими словами, двигатель, эффективно находящий генетические мишени для омоложения, решает не одну болезнь, а атакует общую причину всех возрастных заболеваний.

Является ли это прорывом, которого мы все ждали?

Здесь нужно остановиться и глубоко вздохнуть. Заголовок «Искусственный интеллект обращает старение вспять» волнует, но расстояние между генетическим кандидатом на экране и лечением для человека огромно.

• Предложение — это не подтверждение: Даже если система предлагает ген как многообещающий кандидат, его нужно проверить на живых клетках, затем на животных и только потом на людях. Уровень неудач на этом пути очень высок. Даже в текущем примере лишь небольшая часть из 20 предложенных факторов прошла первичную проверку на клетках.
• Риск рака: Активация факторов Яманаки без контроля превращает клетки в дикие стволовые клетки, что может вызвать опухоли. Контроль дозировки и времени — самая большая проблема.
• Время: Даже при оптимистичном сценарии клинические испытания на людях длятся от 7 до 12 лет. Никакой искусственный интеллект не сокращает этап безопасности.
• Хайп против реальности: Коммерческие компании и заголовки любят размывать различие между «мы нашли кандидата» и «мы нашли лечение». Потребитель должен внимательно читать, что именно было доказано.

Так что нет, никто из нас не получит инъекцию омоложения в ближайший год. Что действительно произошло, так это то, что скорость этапа открытия подскочила на порядок, и это само по себе значительно.

Что же взять из этого исследования?

Даже без доступа к лабораториям Google есть практические уроки, которые можно применить уже сегодня:

1. Не покупайте «омолаживающие лекарства», рекламируемые как основанные на ИИ. Если что-то продаётся уже сегодня, оно не прошло этап клинической проверки. Сохраняйте здоровый скептицизм.
2. Поддерживайте свои естественные механизмы восстановления: Физическая активность, интервальное голодание и качественный сон активируют те же пути восстановления ДНК и клеточного омоложения, которые наука пытается расшифровать.
3. Следите за своими биологическими часами: Тесты на эпигенетический возраст (например, TruAge) доступны для публики и дают объективный показатель влияния изменений вашего образа жизни.
4. Инвестируйте в метаболическое здоровье: Баланс сахара, поддержание мышечной массы и нормального холестерина замедляют клеточное старение даже без какого-либо генетического вмешательства.
5. Будьте в курсе, но с терпением: Это область, которая развивается скачками. Настоящая новость придёт из результатов клинических испытаний, а не из пресс-релиза.

Широкая перспектива

Вход DeepMind на арену долголетия знаменует собой более глубокий сдвиг, чем любой отдельный найденный ген. Это знаменует переход старения из периферийной научной области на арену, где конкурируют крупнейшие технологические игроки мира. Когда Google, с одной из самых мощных лабораторий ИИ в мире, решает, что омоложение клеток стоит её внимания, вся область получает финансирование, таланты и легитимность.

Но здесь есть и скромное напоминание. Co-Scientist не «решила» биологию, она синтезировала существующие знания и дала исследователям гораздо лучшую карту. Искусственный интеллект сужает пространство поиска, он не заменяет тяжёлую работу по проверке, безопасности и пониманию. Геном — это не просто текст, который нужно расшифровать, это живая система, реагирующая способами, которые всё ещё нас удивляют.

Правильный момент для волнения — не когда алгоритм предлагает кандидата, а когда настоящая человеческая клетка в лаборатории становится моложе благодаря ему. Co-Scientist только что сократила путь к этому моменту, но не отменила его.

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