# 衰老 \| 英矽智能利用人工智能工具揭示特发性肺纤维化与加速衰老的关联

特发性肺纤维化（IPF）‌是一种‌慢性、进行性‌的肺部疾病，主要表现为‌肺部正常组织逐渐被瘢痕（纤维化）替代‌，导致肺功能不可逆性下降，最终引发呼吸衰竭。IPF主要影响60岁以上的人群，被认为与衰老过程存在共同的生物学路径。理解这些共同机制对于开发具有惠及全球的创新抗衰老治疗方案至关重要。

近日，英矽智能（Insilico Medicine）的研究团队在《衰老》(Aging-US)期刊上发表了一项研究，利用人工智能（AI）方法探讨了IPF中与衰老相关的生物学机制。该研究建立了衰老生物学与IPF发病机制之间的新联系，同时展示了AI驱动的方法在研究与衰老相关疾病疗法开发中的巨大潜力。

为推进该研究，团队开发了两种专门的深度学习模型：纤维化感知衰老时钟（fibrosis-aware aging clock），这是一种利用英国生物样本库（UK Biobank）蛋白组数据训练的聚焦于通路的蛋白组学衰老时钟；以及IPF-Precious3GPT，这是一种可根据文本提示生成基因差异表达谱的组学Transformer模型。

用于研究IPF和纤维化疾病的深度学习模型

其中，衰老时钟在交叉验证中表现出色，能够以高精度预测生物年龄（R²=0.84，均方误差MAE=2.68年）。研究人员随后将该模型应用于Olink蛋白组数据集，并采用线性回归方法评估疾病严重程度对衰老速度的影响。结果显示，患有重症感染并可能发展为肺纤维化的患者，其预测的生物年龄明显高于健康对照组，提示该时钟在纤维化病例中具有判断生物学年龄变化趋势的意义。

此外，通过IPF-P3GPT生成模型的分析，研究人员发现衰老和肺纤维化疾病在基因表达方面既有共同特征，也存在独特模式，表明IPF不仅加速衰老，还包含独特的病理过程。研究进一步确定了四条关键通路（TGF-β信号通路、氧化应激、炎症和细胞外基质重塑）在IPF与衰老中均起核心作用，但在基因层面的参与方式有所不同。

下一步，英矽智能的研究团队将通过专门的IPF患者队列验证AI模型，并将其方法扩展到其他纤维化以及衰老相关疾病研究领域。团队还计划将这些工具用于药物发现、生物标志物鉴定以及在衰老和慢性疾病领域个性化疗法策略的开发。

凭借先进的AI与自动化技术，英矽智能大幅提升了药物研发前期的效率，并建立了AI驱动药物研发的标杆。与传统早期药物发现通常需耗时2.5至4年相比，英矽智能已完成20个临床前候选药物提名，每个项目从启动至候选药物确定的平均周期仅为12至18个月，且每个项目仅需合成和测试60至200个分子。

自2014年成立以来，英矽智能已发表超过200篇同行评议论文。依托于在跨生物技术、人工智能和自动化领域的学术分享与持续突破，公司入选自然指数（Nature Index）2025科研领袖：全球生命科学与自然科学论文全球百强企业。

[1] Galkin F, Chen S, Aliper A, Zhavoronkov A, Ren F. AI-driven toolset for IPF and aging research associates lung fibrosis with accelerated aging. Aging (Albany NY). 2025 Aug 8; . https://doi.org/10.18632/aging.206295