AI与生命

蛋白质折叠的终极解法

想象你面前有一条由数百个氨基酸组成的链条。这条链条可以折叠成无数种不同的三维形状，而它最终选择的那种形状，将决定它在人体内扮演什么角色——是催化一场化学反应，还是传递一个神经信号，还是抵御一次病毒入侵。这条链条如何从一维的线性序列"折叠"成精确的三维结构，是生物学半个世纪以来最令人头疼的问题之一。

蛋白质折叠问题之所以困难，是因为其可能的构象空间极其庞大。一个典型的蛋白质含有数百个氨基酸残基，每个残基可以有多个旋转角度，这意味着可能的折叠方式是一个天文数字。即使利用当时最强大的超级计算机，穷举所有可能的构象也需要比宇宙年龄更长的时间。这个问题被称为"莱文塔尔悖论"（Levinthal's Paradox），由美国生物化学家赛勒斯·莱文塔尔在1969年提出。然而，现实中的蛋白质通常在毫秒到秒的时间尺度内就能完成折叠——大自然一定掌握了某种我们尚未理解的"捷径"。

2020年，这个困扰了生物学界五十年的难题，被一个意想不到的"选手"攻克了。DeepMind开发的AlphaFold 2在第14届蛋白质结构预测关键评估竞赛（CASP14）中横空出世，其预测精度达到了与实验方法相当的水平——中位GDT-TS评分超过92.4分。评审们震惊地发现，这个AI系统的表现已经接近甚至达到了X射线晶体学和冷冻电镜等实验方法的精度。科学界用"令人震惊"和"颠覆性"来形容这一突破。

然而，AlphaFold 2只是开始。2024年5月，DeepMind在Nature杂志上发表了AlphaFold 3，这一次的飞跃更加令人惊叹。AlphaFold 3不再局限于蛋白质，它能够预测所有生命分子的结构和相互作用——包括DNA、RNA、小分子配体、离子以及它们的复合物。与现有方法相比，AlphaFold 3的准确率至少提高了50%。这意味着科学家们现在可以在计算机上模拟药物与靶蛋白的结合、基因调控元件与DNA的相互作用，以及细胞内复杂的分子信号网络。

"蛋白质是生命的工作马。理解它们的结构，就是理解生命如何运作。AlphaFold让我们第一次能够从基因组的蓝图出发，预测蛋白质这座三维建筑的样子。这是生物学的结构性突破。"

-- 德米斯·哈萨比斯（Demis Hassabis），DeepMind联合创始人兼CEO，2024年诺贝尔化学奖得主

如果用一个比喻来说明AlphaFold的意义：基因组是生命的蓝图，蛋白质是根据蓝图建造的建筑。在AlphaFold出现之前，我们虽然能读懂蓝图上的文字（DNA序列），却无法预测建筑最终会是什么样子。每了解一种蛋白质的结构，科学家们都需要耗费数月甚至数年的时间，通过实验手段（如X射线晶体学或冷冻电镜）来测定。AlphaFold的出现，相当于让我们第一次拥有了从蓝图直接"渲染"出建筑三维模型的能力。

这一突破对药物发现的意义是革命性的。DeepMind的姊妹公司Isomorphic Labs，由哈萨比斯亲自领导，专注于将AlphaFold技术应用于药物设计。2024年，Isomorphic Labs完成了21亿美元的融资，并与礼来（Eli Lilly）和诺华（Novartis）达成了总额可能超过30亿美元的合作协议。这些制药巨头愿意投入如此巨资，正是因为AlphaFold技术有望将药物发现的早期阶段从数年缩短到数月。

2024年10月，瑞典皇家科学院宣布，将2024年诺贝尔化学奖授予德米斯·哈萨比斯和约翰·詹珀（John Jumper），以表彰他们在蛋白质结构预测方面的突破性贡献。这是诺贝尔化学奖首次颁给人工智能领域的研究者，标志着AI已经从计算机科学的一个分支，正式成为推动基础科学进步的核心力量。

AI衰老时钟——你到底几岁？

想象你的手腕上有一块特殊的表。它显示的不是时间，而是你的"生物学年龄"。你做了一个晚上的深度睡眠，第二天早上它显示你年轻了0.2岁；你连续一周熬夜加班、外卖度日，它跳涨了1.5岁；你开始规律运动、健康饮食，几个月后它缓缓回落了0.8岁。这块表会随着你的每一个健康决定而实时变化，忠实地反映你身体真实的衰老程度。

这不再是科幻小说中的想象。在长寿科学领域，"生物学年龄"与"日历年龄"之间的区别已经成为一个核心概念。两个人可能拥有相同的日历年龄——比如都是45岁——但他们的生物学年龄可能相差10年甚至更多。一个人的心血管系统可能像30岁的年轻人一样健康，而另一个人的代谢指标可能已经接近60岁的水平。日历年龄告诉你的是你在这个世界上存在了多久，而生物学年龄告诉你的是你的身体已经"磨损"到了什么程度。

科学家们如何测量这个看不见的"生物学年龄"？答案隐藏在我们的DNA之中。2013年，加州大学洛杉矶分校的生物统计学家史蒂夫·霍瓦斯（Steve Horvath）发表了一项开创性的研究：他发现，DNA上一种被称为"甲基化"的化学修饰模式，会随着衰老发生高度规律性的变化。通过测量基因组中数百个特定位点的甲基化水平，他构建了一个数学模型，能够以惊人的精度估算一个人的生物学年龄。这个模型被称为"霍瓦斯时钟"（Horvath Clock），它是人类历史上第一个真正可靠的"衰老时钟"。

DNA甲基化是一种表观遗传修饰——它不改变DNA序列本身，而是在DNA分子上添加一个微小的化学标签（一个甲基基团），从而影响基因的"开关"状态。你可以把DNA想象成一台庞大的钢琴，每个基因都是一个琴键，而甲基化就是在某些琴键上加盖了一层消音毡。随着衰老，这种"消音毡"的分布模式会发生系统性变化——某些该打开的基因被关闭了，某些该关闭的基因却被打开了。霍瓦斯时钟正是通过读取这种"消音毡"的全基因组分布模式，来反推身体的生物学年龄。

近年来，衰老时钟的技术还在不断进化。2024年，一个由国际研究团队开发的新型"IC Clock"（内在能力时钟，Intrinsic Capacity Clock）引起了广泛关注。与霍瓦斯时钟专注于分子层面的甲基化标记不同，IC Clock从功能维度评估健康衰老，测量六个关键能力域：认知能力、运动能力、心理状态、感觉能力、活力水平和营养状况。这种多维度的评估方法，更全面地反映了一个人真实的衰老状态。

在消费端，AI驱动的长寿预测应用也开始走进大众视野。以"Death Clock"为代表的应用程序，通过分析用户的饮食结构、运动频率、压力水平、睡眠质量、吸烟饮酒习惯等多维度数据，结合大规模流行病学队列的统计模型，为用户生成个性化的生物学年龄估算和寿命预测。这些应用虽然无法达到实验室级别甲基化时钟的精度，但它们让普通人第一次能够直观地感受到"我的每一个生活方式选择都在影响我的衰老速度"。

然而，一个关键问题仍然悬而未决：这些衰老时钟真的准确吗？它们能否真正指导抗衰老干预？目前的科学共识是：甲基化时钟在群体层面具有极高的预测精度，能够可靠地预测死亡率和疾病风险；但在个体层面，单次测量的生物学年龄可能会受到近期生活方式、感染状态甚至一天中不同时间点的干扰。更重要的是，我们仍然缺乏足够的临床试验数据来证明，当某个干预措施让时钟"倒转"时，它是否真的意味着健康获益。换句话说，时钟指针的转动方向和实际健康改善之间的关系，还需要更多证据来确认。

AI驱动的药物发现

在药物研发领域，有一个令人沮丧的统计数据长期困扰着整个行业：从最初的分子筛选到最终获批上市，一款新药平均需要10至15年的时间，耗资约26亿美元，而从临床前阶段进入临床试验的候选药物中，最终获批的成功率不到10%。这意味着绝大多数投入了巨量资金和时间的研发项目，最终都以失败告终。药物发现，长期以来就像是在一片无边无际的海洋中捞针——只不过这片海洋里不仅有针，还有无数看起来像针但实际毫无用处的碎屑。

人工智能正在从根本上改变这个游戏规则。传统方法中，药物化学家需要手动合成和测试数千个化合物，才能找到一个有潜力的候选药物。而AI可以在几天之内，从包含数百万甚至数十亿个分子的虚拟化合物库中进行高通量筛选，速度提升了1000倍以上。更重要的是，AI不仅能筛选已知分子，还能通过生成式模型"设计"出自然界中不存在的新分子，这些分子可能具有比任何已知化合物更优的药理特性。

AI在药物发现中的应用远不止于分子筛选。它能够预测候选药物与靶蛋白之间的结合模式，从而在早期阶段就淘汰那些不太可能有效的化合物，大幅减少后期失败的风险。它能够识别已有药物的新用途——这一过程被称为"药物重定位"（drug repurposing）——从而为已知安全的药物找到新的适应症，省去了漫长的一期安全性试验。它还能预测药物的吸收、分布、代谢、排泄和毒性（ADMET）特性，帮助科学家在合成化合物之前就评估其成药性。

• Insilico Medicine -- 这家由AI科学家亚历克斯·扎沃隆科夫（Alex Zhavoronkov）于2014年创立的公司，是全球AI药物发现的先驱之一。2023年，Insilico Medicine开发的抗纤维化候选药物ISM001-055成功进入II期临床试验。这款药物从靶点发现到候选药物确定，仅用了18个月，而传统方法通常需要4至5年。更令人瞩目的是，ISM001-055是AI从零开始"发明"的全新分子，而非对已知化合物的简单修饰。Insilico同时也在探索AI发现的抗衰老候选药物，部分已进入早期临床阶段。
• Recursion Pharmaceuticals -- 这家公司采用了一种独特的方法：利用AI视觉模型分析高通量细胞图像。Recursion的实验室每周可以生成数百万张细胞显微图像，AI模型通过分析这些图像中细胞形态、亚细胞结构和空间分布的细微变化，来发现具有生物活性的化合物和新的治疗靶点。2024年，Recursion与英伟达（NVIDIA）达成深度合作，利用GPU加速的大规模AI模型进行药物筛选，其化合物库的虚拟筛选规模已达到数十亿级别。
• BenevolentAI -- 2020年初，当新冠疫情席卷全球时，BenevolentAI的AI平台分析了已有的药物知识图谱，预测巴瑞替尼（baricitinib）——一种原本用于治疗类风湿关节炎的药物——可能对COVID-19有效。几个月后，这一预测被临床试验所验证：美国国立卫生研究院（NIH）主导的ACTT-2试验显示，巴瑞替尼联合瑞德西韦可显著降低COVID-19患者的死亡率。这是AI药物重定位在公共卫生危机中首次取得重大实战胜利。

回到"大海捞针"的比喻：传统的药物发现方法，就像一个人驾驶一艘小船，用一把小磁铁在海面上慢慢搜索。而AI驱动的药物发现，相当于同时派出百万艘无人艇，每艘都配备了最先进的声纳系统和智能导航算法，它们协同工作、互相通信，能够在极短的时间内覆盖整片海域。更重要的是，这些无人艇不仅能找到针，还能告诉你这根针是用什么材料做的、它能在什么温度下工作、以及如何把它缝成一件衣服。

关键数据说明了一切：AI将药物发现的前期阶段——从靶点识别到候选药物优化——从传统方法所需的数年缩短到数月。虽然后期的临床试验仍然需要时间（这部分涉及真实的人体反应，无法完全被AI加速），但前期效率的大幅提升意味着，进入临床的候选药物质量更高、针对性更强，从而有望显著提高最终的成功率。对于长寿研究而言，这意味着抗衰老药物的研发管线正在以前所未有的速度充实。

NewLimit——当硅谷遇见细胞重编程

2022年，当全球加密货币交易所Coinbase的首席执行官布莱恩·阿姆斯特朗（Brian Armstrong）宣布联合创办一家长寿科技公司时，许多人感到意外。一个加密货币领域的亿万富翁，为什么要跨界进入衰老生物学？阿姆斯特朗的回答很简单：因为他看到了一个巨大的机会——一个技术突破即将改变人类对衰老的认知，而他不想只是旁观。

这家公司就是NewLimit。它的核心使命是利用人工智能和机器学习，系统性地解码细胞重编程的复杂性，从而开发出能够逆转人类衰老过程的干预手段。NewLimit不是一家传统意义上的制药公司，也不是一家纯粹的AI公司——它试图成为两者之间的桥梁，用硅谷的计算思维来解决生物学中最深奥的问题之一：如何安全地将衰老的细胞"重置"为年轻状态。

资本市场的热情印证了这一愿景的吸引力。2025年，NewLimit完成B轮融资1.3亿美元。2026年，公司进一步完成C轮融资4.35亿美元，投后估值达到31亿美元。参与投资的机构阵容豪华：彼得·蒂尔的Founders Fund、乔什·库什纳的Thrive Capital、制药巨头礼来的风险投资部门Lilly Ventures，以及硅谷传奇风投Kleiner Perkins。这些投资者的共同信念是：细胞重编程可能是人类对抗衰老最有潜力的技术路径之一。

NewLimit的核心技术体系建立在三个关键支柱之上。第一个支柱是RESTORE-seq，一种高通量筛选体系，能够系统性地测试数千种转录因子（控制基因表达的蛋白质）的组合，找出哪些组合能够有效地将衰老细胞重编程为年轻状态，而不会引发肿瘤等安全问题。传统的转录因子筛选方法一次只能测试少数几个因子，而RESTORE-seq可以在单次实验中并行评估数千种组合，效率提升了几个数量级。

第二个支柱是名为Ambrosia的AI模型。这个模型整合了蛋白质序列数据、科学文献中的实验结果、以及转录因子的DNA结合位点信息，能够预测哪些转录因子组合最有可能成功实现细胞重编程。Ambrosia模型的预测结果可以解释超过50%的实验变异，这意味着AI已经能够捕捉到细胞重编程过程中相当大一部分的生物学规律。随着更多实验数据的积累，Ambrosia的预测精度还在持续提升。

第三个支柱是LNP-mRNA递送技术。发现了有效的转录因子组合之后，如何将它们安全地递送到人体内的目标细胞？NewLimit借鉴了新冠mRNA疫苗的技术路线，利用脂质纳米颗粒（LNP）包裹编码目标转录因子的mRNA，将其递送到细胞内。mRNA在细胞内被翻译为相应的蛋白质（即目标转录因子），短暂发挥重编程作用后自然降解。这种"即插即用"的方式避免了传统基因治疗中DNA整合带来的永久性基因改变风险。

根据NewLimit公布的路线图，公司计划于2027年在澳大利亚开启人体试验，首个适应症为轻度脂肪肝（也称为代谢功能障碍相关脂肪性肝病，MASLD）。为什么选择脂肪肝作为第一个适应症？原因有三：首先，脂肪肝是衰老相关代谢疾病的早期信号，与多种衰老标志物密切相关；其次，肝脏是一个相对容易通过活检进行监测的器官，便于评估治疗效果；最后，脂肪肝患者群体庞大，如果试验成功，将具有重大的临床意义和商业价值。

NewLimit并非硅谷巨头押注细胞重编程的唯一案例。OpenAI首席执行官萨姆·奥特曼（Sam Altman）于2022年投资了Retro Biosciences，初始投资额为1.8亿美元，公司估值达到18亿美元。Retro专注于三个被认为最有潜力的长寿干预方向：细胞重编程、血浆疗法（通过年轻血液中的因子来改善衰老功能）和自噬激活（增强细胞自身的"垃圾回收"系统）。Retro的公开目标是"增加10年健康的人类寿命"。

"这些硅谷巨头押注的不是一家公司，而是一个信念——衰老可以被逆转。当足够多的聪明人和足够多的资本同时朝同一个方向努力时，奇迹就不再是奇迹，而只是时间问题。"

-- 行业观察者评论

AI时代的医学新范式

回顾医学发展的历史，我们可以看到一个清晰的范式演进轨迹。在漫长的前科学时代，医学主要依赖经验传承和试错——某种草药治好了某个人的病，就被记录下来，传给下一代。这种"试错医学"虽然积累了不少有效的经验，但其效率极低，且充满了错误和迷信。

现代医学的建立，将试错替换为了循证——通过随机对照试验（RCT）等严格的研究方法，系统性地验证每种治疗手段的有效性和安全性。这是医学史上的一次伟大飞跃，但它仍然有一个根本性的局限：循证医学主要依赖群体层面的统计数据，而每个个体都是独特的。一种对"大多数人"有效的药物，可能对某个特定个体完全无效甚至有害。

人工智能正在推动医学从"循证医学"向"预测医学"和"精准医学"的范式转换。在这个新范式中，AI系统可以整合个体的基因组数据、蛋白质组数据、代谢组数据、微生物组数据、电子健康记录、生活方式数据和环境暴露数据，构建一个高度个性化的"数字健康孪生"（digital health twin）。这个数字孪生可以在计算机上模拟不同干预措施的效果，帮助医生和患者做出最优的治疗决策。

在长寿医学的语境下，这意味着什么？想象这样一个未来场景：你的AI健康助手每天自动分析你的可穿戴设备数据（心率、睡眠质量、活动量）、血液标志物的定期检测结果、基因组中已知的衰老相关变异、以及你最近的饮食和压力水平。它不仅告诉你"你的生物学年龄是38.7岁"，还能告诉你"根据你当前的衰老轨迹，你在未来五年内心血管疾病的风险偏高，建议增加有氧运动频率并考虑补充辅酶Q10"。它在你出现任何可感知的症状之前，就已经识别到了潜在的风险信号，并提出了个性化的干预建议。

需要强调的是，AI不会取代医生。医学的核心不仅是诊断和治疗，还包括人文关怀、伦理判断和复杂的决策权衡——这些是AI难以替代的。但AI将重新定义医生的角色：医生将从信息收集者和决策制定者，转变为AI生成信息的审核者、个性化方案的最终裁定者，以及患者情感和心理需求的支持者。AI负责处理海量的数据和复杂的计算，医生负责理解患者的完整处境并做出人性化的判断。

长寿科学的终极愿景，是每个人都能获得量身定制的长寿方案。因为每个人的衰老模式都是不同的——有些人衰老的主要驱动力是端粒缩短，有些人是线粒体功能障碍，有些人是慢性炎症，还有些人是干细胞耗竭。AI可以帮助我们识别每个人独特的"衰老签名"，并据此推荐最适合的干预策略。对于端粒缩短为主的人，可能需要激活端粒酶；对于线粒体功能障碍为主的人，可能需要NAD+前体补充和线粒体生物发生激活剂；对于慢性炎症为主的人，可能需要抗炎药物和肠道微生物组调控。

这一切正在从理论走向现实。2025年至2026年间，多家长寿科技公司已经开始收集大规模的多组学数据和纵向健康数据，用于训练下一代个性化长寿AI模型。这些模型一旦成熟，将能够为每个人提供前所未有的健康洞察——不仅告诉你"你正在衰老"，还能精确地告诉你"你正在以什么方式衰老、衰老的速度有多快、以及你应该做什么来减缓甚至逆转它"。

但这一切也带来了一个引人深思的问题：当AI比你更了解你自己的身体时，"健康"的定义是否会改变？如果你的AI健康助手告诉你，你的生物学年龄比日历年龄大5岁，但你自我感觉良好——你算"健康"吗？如果AI预测你将在十年后患上阿尔茨海默病，而你目前没有任何认知下降的迹象——你现在是"健康"的还是"有病的"？当健康不再是一种主观感受，而是一个可以被AI精确计算和预测的数值指标时，我们与自身身体的关系将发生怎样的改变？

这些问题没有简单的答案。但它们值得我们在拥抱AI驱动的长寿革命的同时，认真思考。