AI 制药新突破：英矽智能抗衰新药让人体时钟倒退6年

42 位平均年龄 67 岁的受试者，在 6 套不同的生物时钟检测中同时呈现出逆生长趋势。

这些时钟记录在人体的血液指标里。在服用一款名为 rentosertib 的药物 4 周后，受试者体内近 3000 种蛋白质接受了检测，其中 326 种发生显著改变。6 套由不同独立团队开发的生物时钟模型一致判定：患者的身体机能正在朝更年轻的状态转变。多数模型显示生物年龄倒退了 3 到 4 年，其中一个模型测算出的倒退幅度接近 6 年。

这款分子完全由 AI 辅助设计，研发方为已在港交所上市的 AI 制药企业英矽智能（Insilico Medicine）。该药物基于靶点 TNIK 设计，目前已推进至 Ⅲ 期临床阶段。

血液里的生物时钟被回拨

生物学界一直在寻找精确衡量人体衰老程度的标尺。2013 年前后，加州大学洛杉矶分校（UCLA）教授 Steve Horvath 提出了基于 DNA 化学修饰标记的「表观遗传时钟」。结合现代蛋白质组学与机器学习，算法能够从血液中的各类分子变化中推断出个体的真实生理状态。

rentosertib 的首要适应症是特发性肺纤维化（IPF），作为一种 TNIK 抑制剂，它旨在阻断肺部成纤维细胞的异常激活。在已完成的 Ⅱa 期试验中，表现最好的受试组肺活量平均改善了 98.4 毫升。

英矽智能在试验设计中嵌入了针对衰老生物标志物的监测机制。研究人员对 42 名完成全流程的患者在治疗前及服药后第 2、4、12 周抽血，检测了 2841 种蛋白质，并将数据交给 6 套分别由哈佛大学、牛津大学、北京大学及英矽智能等团队独立训练的模型进行分析。

结果显示，患者血液蛋白表达呈现出系统性的逆龄趋势：肺功能改善最显著的为 60mg 每日一次组，但生物年龄逆转信号最稳定的是 30mg 每日两次组。这种分离表明，衰老指标的改善并不仅是单纯肺部局部炎症消退带来的副产物。

研究人员进一步对比了英国生物样本库（UK Biobank）中超过 5.5 万名正常老年人的长期蛋白轨迹，确认服药受试者体内随年龄自然升高的多种标志蛋白出现下降，而随年龄减少的蛋白则明显回升。

从长寿算法到分子生成

英矽智能创始人 Alex Zhavoronkov 早期便专注于长寿机制研究。2014 年他在英伟达 GTC 大会上探讨利用计算技术干预衰老，并于同年成立英矽智能。

早期团队利用神经网络构建衰老预测模型，2019 年公司利用生成式 AI 在 21 天内完成了靶向 DDR1 靶点的早期小分子筛选与验证，向业界展示了算法在小分子药物设计中的实用价值。随后，公司先后与赛诺菲、复星医药、礼来、诺和诺德等跨国药企建立管线合作。

在英矽智能推进的约 40 个管线项目中，TNIK 靶点的发现兼具了纤维化病理与细胞衰老表征的双重背景。肺纤维化多发于老年群体，且拥有清晰的肺活量定量指标，能够在相对可控的时间窗口内完成临床疗效终点验证。

双重用途：破解长寿药物商业化困境

长寿药物长期难以进入正规研发管线，核心阻碍在于「衰老」本身并非监管机构认可的疾病适应症，缺乏标准化、可在数年内读出明确结论的临床试验终点。二甲双胍、雷帕霉素等老药虽具延寿潜力，但由于专利到期，缺乏药企进行数亿美元长期人体试验的商业动力。

英矽智能采取了「Aging First」（衰老优先）策略：

1. 从宏观衰老组学数据中锁定潜在靶点；
2. 使用 AI 设计具备全新专利结构的高亲和力分子；
3. 选择具有明确临床终点且与衰老高度绑定的适应症（如肺纤维化）推进试验；
4. 在既定疾病试验中同步追踪衰老时钟生物学数据。

这一商业模式让疾病治疗的市场收益承担高昂的研发开销，同时让抗衰老验证得以搭载在严格受控的人体试验中推进。AI 技术将 TNIK 从靶点发现到临床前候选物的周期压缩至 18 个月以内，而实体实验室与临床机构则提供了分子验证的基础设施，推动了数字设计向生物实体的快速转化。