在人类对抗衰老的征程中，科学家们始终在探索延缓衰老进程的有效方法。传统研究多依赖假设驱动的实验设计，不仅效率有限，还容易遗漏潜在的重要发现。与此同时，过去数十年间，公开的分子研究积累了海量数据，涵盖数百万份人类和小鼠的样本，但这些数据最初多用于疾病机制或药物反应研究，其与衰老的关联尚未被充分挖掘。
近年来，“衰老时钟”技术的出现为这一领域带来了转机。这类基于机器学习的算法能够通过分析DNA甲基化、基因表达等分子数据，预测个体的生物学年龄，甚至关联健康风险。然而，此类工具此前多应用于小规模研究，缺乏系统性整合。如今，一项新研究通过人工智能技术，将这一领域推向了全新高度。
由国际团队开发的ClockBase Agent平台，整合了超过200万份人类和小鼠的分子组学数据，涵盖DNA甲基化和RNA测序样本，并应用了40余种衰老时钟模型。该平台的核心是一个多智能体系统，由三个关键模块组成：Coding Agent负责数据处理与代码编写，根据样本特征选择统计模型；Reviewer Agent从生物学合理性、实验质量等维度评估干预措施，筛选高潜力候选；Report Agent则结合现有文献，生成可读性强的科学报告。这一系统如同一个不知疲倦的虚拟实验室，能够自主分析数千个数据集，寻找与衰老相关的模式。
研究团队对43602组干预-对照组数据进行了系统分析，覆盖遗传修饰、药物处理、环境暴露和疾病模型等多种类型。结果显示，13.2%的干预措施显示出显著的年龄调节效应，其中500余种能够降低生物学年龄。例如，一种名为Ouabain的化合物、KMO抑制剂、非诺贝特以及NF1基因敲除等，均展现出抗衰老潜力。进一步分析发现，疾病模型中24.3%的干预加速了衰老进程，与临床观察一致；而遗传干预中，基因敲除的抗衰老效果是基因过表达的1.85倍，提示降低基因活性可能更安全有效。在FDA批准的药物中，78种具有抗衰老作用，但136种药物意外表现出促衰老效应，凸显了现有药物潜在副作用的复杂性。
为验证理论预测，研究团队选择了AI筛选出的最优候选物Ouabain进行实验。这种强心苷类化合物此前主要用于增强心肌收缩力，其抗衰老作用尚未被深入研究。在老年小鼠模型中，间歇性注射Ouabain三个月后，实验结果显示：治疗组小鼠的衰弱指数未随年龄增长，而对照组显著上升；心脏输出量提高，符合其强心作用；大脑海马区小胶质细胞形态更健康，表明神经保护效应。转录组分析进一步证实，Ouabain降低了老年小鼠的生物学年龄，并上调了Nrep基因表达——该基因编码的蛋白与神经元再生密切相关，是异体共生实验中返老还童效果的关键因素之一。多组织时钟分析显示，Ouabain通过炎症调控、mRNA剪接、Nrf2信号通路等多种途径发挥抗衰老作用。
ClockBase Agent平台的创新性在于其完全数据驱动的研究范式。传统方法需先提出假设再设计实验，而该系统直接从现有数据中挖掘规律，大幅加速了知识发现过程。例如，平台通过整合公开数据库，构建了迄今最全面的生物学年龄图谱，不仅包含常见的甲基化时钟，还纳入了转录组时钟，能够捕捉基因表达层面的年龄相关变化。这种系统性分析揭示了衰老的复杂机制，例如功能缺失型遗传干预比功能增益型更可能延缓衰老，为未来药物开发提供了新方向。
目前，该平台已向全球研究者开放，允许用户查询任意干预措施对生物学年龄的影响。这一工具的普及有望推动长寿医学领域的民主化，使更多实验室能够参与抗衰老研究。研究团队指出，随着数据量的持续增长，AI智能体将成为衰老研究的核心工具，帮助人类更高效地探索健康长寿的路径。例如，平台已发现的500余种抗衰老候选物中，仅Ouabain完成了初步验证，其余物质仍需进一步实验探索，这为未来研究提供了丰富方向。
