AI創薬レントセルチブ、複数老化時計で生物学的年齢逆転を示唆：画期的な臨床評価結果
AI駆動型創薬における革新：レントセルチブの設計とTNIKターゲット
Insilico Medicineは、生成AIプラットフォーム「Pharma.AI」を駆使して開発された、特発性肺線維症（IPF）治療薬候補「レントセルチブ」が、複数のプロテオミクス老化時計によって測定された生物学的年齢の逆転を示したとする研究結果を発表しました。この研究は、ハーバード大学医学部、スタンフォード大学、ブロード研究所を含む国際的な研究チームとの共同で行われました。レントセルチブは、InsilicoのAI駆動型ターゲット探索プラットフォーム「PandaOmics」によって特定されたTNIKを標的とする低分子阻害剤です。TNIKは、老化の6つの特徴とIPFの両方に関与する遺伝子としてAIによって同定され、老化生物学と疾患の両方に対するデュアルパーパスターゲットとして優先されました。分子自体は、同社の生成化学プラットフォーム「Chemistry42」を用いて設計されました。これは、生成AIによって設計された新規ターゲットに対する新規薬剤としては初の事例であり、AIと老化研究（AI老化時計、AIモデル、老化のホールマーク評価）が統合された画期的な成果です。
6つのプロテオミクス老化時計による生物学的年齢逆転の検証
レントセルチブの第IIa相臨床試験中に収集された縦断的なOlinkプロテオミクスデータを用いて、研究者らは6つの国際的に認知され、独立して開発されたプロテオミクス老化時計を適用し、生物学的年齢を評価しました。これらの老化時計モデルには、ProtAge、OrganAge（暦年齢および死亡リスクに基づくバリアント）、PAC、ipfP3GPT、PAOPACが含まれ、ハーバード、オックスフォード、北京大学、Insilicoなど、主要な研究グループによって開発されました。これらは、古典的な機械学習から深層学習まで、多様な手法とトレーニング基準に基づいており、暦年齢または死亡リスクを予測するように訓練されています。
42人のIPF患者から得られたベースライン、2週目、4週目、12週目の血清プロテオームデータ（Olink Explore 3072パネルで2,841種類のタンパク質を測定）を分析した結果、これら6つの老化時計すべてが、レントセルチブ投与患者において予測される生物学的年齢の低下を一貫して示しました。特に、30mg BID（1日2回）投与群では、4週目に最も顕著な効果が観察され、生物学的年齢において約3〜4年の逆転、特定の老化時計では最大6年の逆転が示されました。この結果は、治療が肺機能の改善のみに限定されず、全身的な抗老化作用を示す可能性を示唆しています。
臨床試験における画期的なアプローチとデュアルパーパス戦略
この研究は、複数のプロテオミクス老化時計を薬物介入において直接比較した初の臨床評価であり、ゲロサイエンスのエンドポイントを標準的な疾患試験に組み込むための標準化されたフレームワークを確立しています。これはFDAのバイオマーカー/BESTガイドラインに沿った、デュアルパーパスの老化および疾患治療薬のためのスケーラブルな設計図を提供します。
ただし、研究チームは、今回の研究だけでは「老化の遅延と治療された肺の改善とを区別できない」と慎重な見解も示しています。IPF自体が血中タンパク質に現れる炎症性疾患であるため、肺を改善する薬剤は、老化に直接影響を与えなくても同じマーカーを動かす可能性があるためです。しかし、肺機能の最大改善をもたらす用量と、最も強い年齢逆転シグナルを生み出す用量が異なっていたことは、薬剤の老化保護活性が疾患改善の単なる下流の結果ではないことを示唆しています。レントセルチブは現在、中国でIPFの第III相臨床開発段階に進んでいます。
開発者・エンジニア視点での考察
-
リアルタイムバイオマーカーとしてのプロテオミクス老化時計の活用: プロテオミクス老化時計は、リアルタイムかつ高解像度のバイオマーカーとして、ゲロプロテクティブ化合物（老化保護薬）の前臨床および早期臨床開発を大幅に加速する可能性を秘めています。これは、AI開発者にとって、早期の有効性評価を可能にするための、高速で堅牢なプロテオミクスデータ解析パイプラインおよび予測モデルを構築する機会を提供します。
-
AI駆動型マルチオミクス解析による新規ターゲット発見の深化: AIがTNIKのような新規のデュアルパーパスターゲット（老化とIPFの両方に関与）を特定した成功は、AI駆動型マルチオミクス解析プラットフォームが、これまで見過ごされてきた治療経路を解明する大きな可能性を強調しています。AI開発者は、グラフニューラルネットワークや知識グラフなどの高度なAI技術をターゲット発見プロセスに統合し、疾患と老化の複雑な相互作用をモデル化する機会を追求すべきです。
-
老化バイオマーカーとAIモデルの統合による規制パスの確立: Insilicoが示した、ゲロサイエンスのエンドポイントを標準的な疾患試験に組み込むための標準化されたフレームワークは、老化治療薬の規制承認と広範な採用を促進するための重要な機会を創出します。AI開発者は、老化バイオマーカーを予測および追跡するための堅牢で解釈可能なAIモデルを構築し、臨床試験設計と規制当局への提出プロセスを支援することで、この新しい分野でのAIの役割を強化できるでしょう。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
