О текущих исследованиях замедления старения, регенерации клеток, биологического возраста и приближении к разгадке тайны старения через Искусственный Интеллект.

Последние пару лет тема омоложения заметно чаще мелькает в зарубежных СМИ. Причина не в росте сенсационных заявлений, а в том, что в биологии появился новый инструмент, которого раньше не существовало на таком уровне. Речь об ИИ, конечно.

Он не заменяет научные исследования, но даёт биологам возможность работать с огромными массивами данных и видеть структуры, которые сложно уловить вручную. Это критично для области, где старение складывается из множества параллельных процессов.

Интерес к замедлению старения тоже возник не вчера.
В медицине давно обсуждают, что возрастные изменения это не естественное угасание, а комплекс биологических нарушений, которые можно изучать, и которые поддаются коррекции. Однако на практике прогресс был ограничен. Эксперименты занимали годы, модели плохо переносились с животных на человека. В этих условиях идеи о лечении старения оставались по большей части теоретическими.

Ситуация способна измениться, поскольку вычислительные методы научились анализировать геномные, эпигенетические и клеточные данные в промышленном масштабе. Алгоритмы помогают находить закономерности в процессах старения, моделировать эффекты вмешательств и быстро проверять гипотезы. Появилась возможность оценивать биологический возраст с помощью эпигенетических маркеров, подбирать молекулы через генеративные модели и оптимизировать безопасные варианты перепрограммирования клеток. Впервые инструменты анализа приближаются к сложности биологической задачи.

Эпигенетические изменения – это когда гены включаются или выключаются под влиянием разных факторов, таких как питание, спорт, стресс, солнце и даже качество сна.

Это пока не значит, что старение можно отменить. Но теперь есть технологическая база, позволяющая говорить о системном замедлении возрастных процессов, а не о единичных удачных экспериментах. Именно на этой точке пересечения биологии и AI сегодня строится новая волна интереса к теме омоложения.

Сложные термины я постараюсь избегать, или при необходимости раскрыть простым языком.

Яманака, или как мы пришли к идее лечить старение 

Область изучения старения развивалась постепенно, и до начала двухтысячных в ней не было единой концепции. Исследователи наблюдали эффекты отдельных вмешательств, но не понимали, как они связаны между собой. Ситуация начала меняться, когда стало ясно: старение – не единый процесс, а набор нарушений которые складываются в общую картину.

В начале XX века Илья Мечников предложил рассматривать старение как биологическую задачу. Его выводы были ограничены возможностями того времени, но сама идея, что возрастные изменения имеют механистическую основу, стала важной отправной точкой. Позже выяснилось, что организмы по-разному реагируют на питание, стресс и условия среды.

Самый заметный пример – ограничение калорийности рациона. В экспериментах на животных снижение калорийности давало устойчивый эффект продления жизни. Это стало первым доказательством того, что темп старения можно регулировать внешними вмешательствами.

К середине 2010-х биология получила более точное описание возрастных процессов. В 2013 году вышла статья “Hallmarks of Aging”, где старение впервые было представлено в виде нескольких взаимосвязанных механизмов: геномная нестабильность, эпигенетические изменения, укорочение теломер, нарушения работы митохондрий, накопление повреждённых белков и другие процессы. Такой подход позволил исследователям перейти от наблюдений к системному анализу. Стало возможным разбирать возрастные изменения на конкретные биохимические узлы. Но прогресс науки в этой области оставался крайне медленным.

Существенный сдвиг случился в 2006 году, когда ученый Синъя Яманака показал, что зрелые клетки могут возвращаться в состояние, близкое к эмбриональному. Он использовал четыре гена (Oct4, Sox2, Klf4 и c-Myc) которые перепрограммировали взрослые клетки до индуцированных плюрипотентных стволовых (iPSC).

Простым языком: это позволило превратить взрослые клетки в стволовые, которые могут стать любыми клетками в организме.

Это не было попыткой омолодить ткани, но стало ключевым доказательством: зрелый клеточный возраст не является необратимым состоянием. Фактически это стало научным фундаментом всех последующих попыток воздействия на биологический возраст.

Однако у подхода появились ограничения. Перепрограммирование было малоэффективным, требовало вирусных векторов, вызывало риск онкогенности и занимало недели. Частичное перепрограммирование, которое позже попробовали исследователи из Salk Institute, показало возможность уменьшить возрастные маркеры у животных, но оставались вопросы безопасности и оптимального режима активации факторов. Для управления процессом на уровне клеток требовались инструменты, позволяющие анализировать огромные массивы эпигенетических и транскрипционных данных.

Исторически наука постепенно приближалась к пониманию старения, но ей не хватало скорости и вычислительной точности. Механизмы были известны, но структура данных была слишком сложной, чтобы работать с ней вручную. На этом этапе стало очевидно, что для следующего шага потребуется инструмент, способный работать с многослойными биологическими системами. И теперь он у нас есть.

Как ИИ вошёл в биологию старения и изменил ход исследований

Наиболее заметный эффект AI дал в работе с эпигенетическими данными. Эпигенетические часы, созданные Стивом Хорватом и другими исследователями, стали первой попыткой количественно оценивать биологический возраст на основе метилирования ДНК. 

Метилирование ДНК – это процесс, который помогает гасить активность ненужных или повреждённых генов, а также подавлять чужеродную генетическую информацию (например вирусы).

Но точность таких моделей существенно выросла, когда к ним начали применять методы машинного обучения, способные анализировать сотни тысяч участков метилирования одновременно. За последние годы появились более сложные модели биологического возраста, рассчитанные не только на основе метилирования, но и на данных транскриптомики, белковых профилей и изображений клеток. Это сделало измерение биологического возраста более надёжным инструментом и позволило исследователям сравнивать эффект разных вмешательств.

ИИ стал важным инструментом в поиске молекул, влияющих на процессы старения. Лабораторный скрининг больших библиотек соединений занимает месяцы и требует значительных ресурсов. А модели машинного обучения позволяют предсказывать, какие соединения потенциально взаимодействуют с нужными белками или сигнальными путями.

Это ускоряет работу и уменьшает число бесперспективных лабораторных тестов. Несколько групп уже демонстрировали, что такие модели способны находить молекулы, которые в экспериментах действительно удлиняют жизнь модельных организмов. Такие результаты подтверждались в опубликованных исследованиях, где алгоритмы выявляли кандидаты с высокой вероятностью влияния на пути, связанные со старением, после чего эти кандидаты тестировали в экспериментах на червях (вид C.elegans).

AI также стал важным инструментом для анализа последствий перепрограммирования клеток. Частичное перепрограммирование требует точного контроля экспрессии факторов, чтобы избежать потери клеточной идентичности и побочных эффектов. Алгоритмы, которые сравнивают транскрипционные профили до и после вмешательств, помогают определять безопасные режимы активации факторов. Исследовательские группы публиковали работы, в которых методы машинного обучения использовались для моделирования того, как изменится состояние клетки после воздействия факторов, и оценивали риски генетической нестабильности. Это важно для разработки более безопасных вариантов перепрограммирования.

Одним из наиболее показательных примеров применения AI стали исследования, где генеративные модели используются для оптимизации факторов перепрограммирования. Эти разработки направлены на создание версий белков, которые обладают большей эффективностью, чем исходные факторы Яманаки, и вызывают меньше повреждений ДНК.

AI не заменил лаборатории и не убрал необходимость в проверке гипотез, но он изменил последовательность действий. Раньше учёные начинали с эксперимента, а теперь теперь они начинают с вычислений.

Глобальная гонка: кто сегодня делает реальные шаги к бессмертию

Исследования области старения не ограничиваются работой Яманака. Существует целая отрасль, и сейчас в ней участвуют компании, у которых за плечами сотни миллионов долларов инвестиций, ведущие учёные и задачи, которые выходят за рамки одной ткани или болезни. Я проанализировал рынок и отобрал несколько ключевых игроков, чьи усилия наиболее заметны на горизонте омоложения.

Altos Labs
Основанная в начале 2022 года, компания позиционирует себя как «инженер клеточного омоложения». За стартом стоит $3 млрд от инвесторов (в том числе Джеф Безос, и Юрий Мильнер, самый выдающийся инвестор из РФ).

В центре их внимания не лечение конкретных болезней, а восстановление клеточной устойчивости, способность клеток противостоять стрессу и сохранять молодое состояние. Недавно назначение на их пост вице-президента назначили Джоан Манник, доктора медицинских наук, которая всю жизнь изучает вопросы старения и герантологии. Это прямой сигналом о том, что Altos начинает готовиться к клинической фазе экспериментов. При этом пока нет широкодоступных человеческих испытаний, но инфраструктура и кадры под них уже формируются.

Retro Biosciences
Менее крупная, чем Altos, но высокотехнологичная компания, ориентированная на генеративный дизайн белков, омоложение через перепрограммирование и использование AI-моделей. Напрямую сотрудничают с OpenAI: они публично заявляли о модели, которая создала версии факторов перепрограммирования с большей эффективностью. Хотя информация всё ещё предварительная, компания стремится к первым клиническим испытаниям до конца этого года. 

Salk Institute и лаборатория Juan Carlos Izpisúa Belmonte
Научная площадка, которая на реальных экспериментах первой показала, что частичное перепрограммирование работает у мышей: кратковременное включение факторов приводило к снижению маркеров старости. В 2025 году Izpisúa Belmonte выступал на конференции как научный основатель Altos, и проект называется «mesenchymal drift» – потеря идентичности клеток при старении.
Хотя это не коммерчески ориентированный стартап, именно такие исследования создают технологическую базу для компаний они задают направления и формируют данные, на которые потом опираются коммерческие игроки.

Unity Biotechnology
Компания, которая больше всех ближе к клинике: они разработали сенолитики – препараты, удаляющие старые клетки. Их кандидат (препарат UBX1325) прошёл фазу 1 и сейчас в фазе 2b для диабетического макулярного отёка.

Фаза 1 тестирования любого нового препарата – проверка на безопасность через выборку добровольцев. Фаза 2, делится на две: 2а изучают дозировки, 2в изучает работает ли препарат, сравнивается с плацебо или существующим лечением.

Calico Labs
Основанная ещё в 2013 году при поддержке Google и AbbVie, компания работает с данными на уровне больших массивов биологии старения. Их подход менее прямой: не терапия сегодня, а построение карты старения. Calico не столь громко заявляет о скорых клиниках, но её технологическая роль важна: без инфраструктуры данных, без синтеза биомаркеров и сигнальных путей, терапиям некуда будет опереться.

NewLimit
Эта компания заслуживает отдельного внимания. Основанна в 2021 году, а среди сооснователей Брайан Армстронг, известный как создатель Coinbase. В отличие от большинства проектов, построенных вокруг перепрограммирования или сенолитиков, NewLimit делает ставку на эпигенетическое восстановление клеточного состояния.

Их подход строится на идее, что возрастные изменения – это в первую очередь накопленные сбои в работе систем регуляции генов. Компания использует методы высокопроизводительного секвенирования в сочетании с моделями машинного обучения, чтобы выявлять наборы факторов, способных перенастраивать эпигенетическое состояние клеток без полного возврата в стволовую стадию.

NewLimit не занимается созданием универсальной терапии от старения. Их задача – разработать конкретные вмешательства, которые возвращают клеткам более молодое функциональное состояние. Компания заявляет, что первый приоритет иммунные клетки, поскольку возрастное снижение иммунитета напрямую связано с уязвимостью к инфекциям и онкологии.

У NewLimit тоже пока нет клинических испытаний на людях, но есть публичные отчёты о лабораторных исследованиях, где тестируются потенциальные эпигенетические факторы с помощью вычислительных моделей и массовых экранов. Это делает NewLimit одной из немногих компаний, работающих на стыке глубокого эпигенетического анализа и вычислительного дизайна интервенций – направления, которое может стать ключевым в теме частичного омоложения.

Совместная картина, которую формируют ведущие компании, показывает, что исследования омоложения переросли стадию нишевых проектов и превратились в самостоятельную индустрию с крупными бюджетами и серьёзной научной инфраструктурой. Такой масштаб стал возможен потому, что вычислительные методы заняли центральное место в работе: анализ биомаркеров, прогнозирование безопасности и подбор факторов перепрограммирования требуют обработки массивов данных, с которыми невозможно работать вручную. Altos и Retro развивают перепрограммирование и генерацию белков, Unity сосредоточена на сенолитиках, а Calico строит систему данных и моделей. 

Приоритет для этих компаний смещается от идеи продлить жизнь к задаче увеличения периода здоровья. Altos формулирует это как восстановление клеточной устойчивости способность тканей противостоять возрастным нарушениям. Несмотря на такие амбиции, неопределённостей остаётся много: массовых клинических протоколов пока нет, и часть лабораторий только готовится к крупным испытаниям.

Как может развиваться тема в ближайшие десятилетия

У ряда энтузиастов есть ощущение, что наука вот-вот создаст таблетку, которая вернёт молодость. Но если посмотреть на факты, картинка куда спокойнее. Прорывы действительно есть, но они пока не превращаются в готовые решения для людей.

Важно понимать главное: на сегодняший день пока не существует проверенной методики, которая заметно омолаживает человека. Все самые яркие результаты получены на животных. У мышей можно снизить признаки старения в отдельных органах. У маленьких модельных организмов вроде червей или рыб продлить жизнь. Но такие данные нельзя прямо переносить на человека, потому что человеческое тело намного сложнее, и старение включает больше процессов, чем мы пока умеем контролировать.

На людях сейчас проверяют только отдельные кусочки этой темы.
Например, лекарства, которые удаляют старые клетки, испытывают для лечения глазных болезней. Добавки вроде омега-3 изучают в контексте общего самочувствия и медленного старения. Есть исследования, где оценивают, как меняются биологические показатели после разных вмешательств. Но никто не проводит испытаний, где целью было бы сделать человека моложе на десять лет. Для этого просто нет достаточных оснований.

Также в индустрии периодически вспоминают концепцию “longevity escape velocity” – идею о том, что в какой-то момент наука сможет продлевать здоровую жизнь быстрее, чем организм успевает стареть. То есть человек добавляет, условно, один год активного здоровья за каждый прожитый год. Это не технология и не прогноз, а именно концепция, которая показывает возможную траекторию развития области. На практике мы пока далеки от этого уровня: исследования только переходят к контролируемым экспериментам, а большинство вмешательств проверяются на отдельных органах или механизмах. Но сама по себе эта идея объясняет, почему вокруг темы такого масштаба возникает интерес – если скорость прогресса действительно будет расти, то каждая новая терапия может открывать окно для следующей.

Часто говорят о биологическом возрасте – числе, которое оценивают по анализам. Да, это полезный инструмент, потому что помогает увидеть, насколько организм в данный момент соответствует среднему «возрастному состоянию». Но это не гарантия, что человек проживёт дольше. Если анализы показали снижение биологического возраста, это может быть хорошим признаком, но пока нет прямых доказательств, что такие изменения автоматически продлевают жизнь. Поэтому к этой метрике относятся как к удобному, но вспомогательному показателю.

С учётом всего этого самые реалистичные ожидания на ближайшие десять–двадцать лет связаны не с радикальным омоложением, а с увеличением «здоровых лет» – периода жизни без тяжёлых возрастных болезней. Это означает меньше воспалений, лучшее восстановление тканей, более стабильную работу организма. Такие эффекты уже частично наблюдаются в отдельных исследованиях. По мере развития технологий подходы будут становиться более персональными: анализы конкретного человека будут подсказывать, какие вмешательства подходят именно ему. Ну а AI будет помогать прогнозировать результат.

Сегодня индустрия омоложения находится в переходном этапе. И у науки впервые появились инструменты, которые позволяют двигаться вперёд гораздо быстрее. Прогресс идёт шаг за шагом, и траектория понятна: меньше болезней, лучше качество жизни и более медленное старение.

И к слову: я веду блог о технологичных компаниях, которые привносят в мир инновации, и успешно реализуют себя на бирже, на pre-IPO и IPO-стадиях и рассказываю где их можно купить.

С вами был Александр Столыпин.
Увидимся в будущем!