快速追踪遗传线索逆转细胞衰老

Fast-tracking genetic leads to reverse cellular aging

二〇二六年五月十九日 · 英文原文

摘要

Google DeepMind 的 Co-Scientist 系统被用于加速细胞衰老研究。该系统通过扫描数万篇科学文献，为 Abudayyeh–Gootenberg 实验室提出了 20 多个新颖的遗传因子假设，其中多个经实验验证能成功逆转细胞衰老。此外，Co-Scientist 将大规模遗传筛选数据的分析时间从六个月缩短至几天，帮助研究人员快速将测试结果与文献关联，从而加速衰老相关遗传线索的发现与验证。

Co-Scientist：加速细胞衰老研究——Google DeepMind

探索我们的下一代AI系统

探索模型

Gemini

Gemini 构建智能agent Gemini Omni 从任何内容创建任何内容 Nano Banana 创建和编辑精细图像 Gemini Audio 语音交流、创作和控制音频

专业模型

Veo 生成带音频的电影级视频 Imagen 从文本生成高质量图像 Lyria 生成高保真音乐和音频

世界模型与具身AI

Genie 3 生成并探索交互式世界 Gemini Robotics 感知、推理、使用工具并交互

开放模型

Gemma 大规模构建负责任的AI应用

我们最新的AI突破与实验室动态

探索研究

突破性成果

SIMA 2 一个与你一起游玩、推理和学习的agent Genie 3 生成并探索交互式世界 AlphaGo 掌握围棋 Gemini Robotics 感知、推理、使用工具并交互

了解更多

评估论文责任

用AI开启发现的新纪元

探索科学

突破性成果

AlphaFold 高精度预测蛋白质结构 WeatherNext 快速准确的AI天气预报 AlphaEarth 以前所未有的细节绘制地球 AlphaEvolve 为数学和计算应用设计高级算法

了解更多

Gemini for Science 实验工具科学技能

我们的使命是负责任地构建AI，造福人类

关于Google DeepMind

责任通过主动安全确保AI安全，即使面对不断演变的威胁新闻发现我们最新的AI突破、项目和动态职业我们正在寻找希望为世界带来真正积极影响的人才教育我们致力于让下一代更容易接触AI 我们的国家AI合作伙伴与全球各国政府合作，通过前沿AI造福人民播客与Hannah Fry教授一起探索AI改变世界的非凡方式

模型

探索我们的下一代AI系统

探索模型

Gemini

Gemini 构建智能agent Gemini Omni 从任何内容创建任何内容 Nano Banana 创建和编辑精细图像 Gemini Audio 语音交流、创作和控制音频

专业模型

Veo 生成带音频的电影级视频 Imagen 从文本生成高质量图像 Lyria 生成高保真音乐和音频

世界模型与具身AI

Genie 3 生成并探索交互式世界 Gemini Robotics 感知、推理、使用工具并交互

开放模型

Gemma 大规模构建负责任的AI应用

研究

我们最新的AI突破与实验室动态

探索研究

突破性成果

SIMA 2 一个与你一起游玩、推理和学习的agent Genie 3 生成并探索交互式世界 AlphaGo 掌握围棋 Gemini Robotics 感知、推理、使用工具并交互

了解更多

评估论文责任

科学

用AI开启发现的新纪元

探索科学

突破性成果

AlphaFold 高精度预测蛋白质结构 WeatherNext 快速准确的AI天气预报 AlphaEarth 以前所未有的细节绘制地球 AlphaEvolve 为数学和计算应用设计高级算法

了解更多

Gemini for Science 实验工具科学技能

关于

我们的使命是负责任地构建AI，造福人类

关于Google DeepMind

使用Gemini构建试用Gemini

Google DeepMind DeepMind

Google AI 了解我们所有的AI Google DeepMind 探索AI前沿 Google Labs 尝试我们的AI实验 Google Research 探索我们的研究

产品与应用

Gemini应用与Gemini对话 Google AI Studio 使用我们的下一代AI模型构建 Google Antigravity 我们的agent开发平台

2026年5月19日科学

快速追踪遗传线索以逆转细胞衰老

已复制

Image 37: 图片显示两名男子并排坐在一个实验室环境中。左边的男子穿着黑色T恤，双手举起，正在说话或做手势。右边的男子留着胡须，穿着黑色长袖衬衫，表情严肃地向前看。背景中可以看到架子上摆满了各种实验室设备、盒子和耗材，表明这是一个科学研究环境

衰老研究中最大的两个瓶颈是：决定测试哪些遗传通路，以及理解这些实验产生的海量数据。生物学家Omar Abudayyeh和Jonathan Gootenberg正在使用Co-Scientist来帮助他们突破这两个瓶颈。

他们的实验室进行大规模遗传筛选——打开或关闭数千个基因，然后读取细胞如何响应这些变化。目标是找到能够推动细胞远离衰老（senescence）——一种与衰老相关的受损状态——并进入年轻状态的变化，涉及皮肤、毛发和肌肉等组织。

Co-Scientist在两个方面提供帮助。首先，它生成线索。当团队要求它搜索科学文献以寻找可能逆转衰老的因子时，它扫描了数万篇论文，考虑了众多假设，最终提出了20多个新颖且合理的遗传因子供测试。实验室验证证实了Co-Scientist的几个假设，其推荐的因子成功地将细胞驱动到更年轻的状态，并改善了整体功能。

其次，Co-Scientist加速了后续工作。一旦团队从大规模筛选中获得结果，他们需要弄清楚海量数据可能意味着什么，以及接下来哪些方向值得探索。这种分析——试图将测试结果与多年分散的科学文献联系起来——可能需要研究人员长达六个月的时间。而让Co-Scientist将筛选数据与文献一起分析，这项工作被缩短到只需几天。

幻灯片 1/2