Insilico‑KI: Rentosertib verschiebt proteomische Alterssignale

Insilico‑KI: Rentosertib verändert Proteome, Alterungsuhren zeigen niedrigere Werte.

In Kürze

• Entwickelt mit generativer KI
• 6 Uhren: −3–6 Jahre
• 42 IPF‑Probanden; begrenzte Aussagekraft

Insilico: KI‑gestützter Wirkstoffkandidat zeigt Einfluss auf «biologisches Alter» in Blutproben

Insilico und Rentosertib

Insilico Medicine hat mit Hilfe generativer KI einen Wirkstoffkandidaten namens Rentosertib entwickelt. In einer neuen Auswertung, veröffentlicht in Nature Biotechnology, liefern Blutproteine aus einer klinischen Studie mit 42 Patientinnen und Patienten Hinweise darauf, dass Rentosertib die Signale, die KI‑Modelle als „biologisches Alter“ interpretieren, nach unten verschiebt.

Was wurde gemessen?

In der Studie wurden bei 42 Patient:innen mit idiopathischer Lungenfibrose (IPF) wiederholt Blutproben entnommen und umfassend proteomisch analysiert – also viele verschiedene im Blut nachweisbare Proteine quantifiziert. Die Daten wurden anschließend mit sogenannten Alterungsuhren ausgewertet: KI‑Modelle, die aus Mustern von Biomarkern ein geschätztes „biologisches Alter“ ableiten, das sich vom reinen Kalenderalter unterscheiden kann.

Was zeigen die Alterungsuhren?

Sechs unabhängige Uhren, entwickelt an Institutionen wie Harvard, Oxford, Peking und Insilico, wurden auf die Proteindaten angewandt. Alle sechs signalisierten, dass das vorhergesagte biologische Alter bei Rentosertib‑Behandelten geringer war als bei Placebo. Den stärksten mittelfristigen Effekt meldeten die Autor:innen für Woche 4: etwa 3–4 Jahre niedrigere Altersvorhersage; eine der Uhren zeigte bis zu 6 Jahre weniger. Wichtiger Hinweis der Forschenden: Das ist keine direkte Messung von Verjüngung, sondern eine Veränderung der Proteinprofile, die diese Modelle als „jünger“ bewerten.

Ist das ein eigener Alterungseffekt oder nur Folge einer besseren Lungenfunktion?

Das bleibt offen. Ein Indiz, dass nicht allein die Lungenverbesserung verantwortlich ist: Die Dosierung, die die Lungenfunktion am stärksten verbesserte (60 mg einmal täglich), war nicht dieselbe, die den stärksten Rückgang des vorhergesagten Alters zeigte (30 mg zweimal täglich). Das spricht dafür, dass es zumindest teilweise unabhängige Effekte geben könnte, liefert aber keinen Beweis.

Weitere Analysen

Die Forscher verglichen die durch Rentosertib veränderten Proteine mit über 55.000 Proteomprofilen aus der UK Biobank. Einige Proteine bewegten sich unter Rentosertib in die entgegengesetzte Richtung der typischen altersbedingten Veränderungen, was die Interpretation der Alterungsuhren stützt.

Einschätzungen und Beschränkungen

• Fachleute, die in der Studie zitiert werden, finden die Ergebnisse ermutigend, warnen aber vor Einschränkungen: Die Stichprobe war klein (42 Personen).
• Alterungsuhren sind nicht immer zuverlässig.
• Die Effekte konnten bislang nur bei Patient:innen mit IPF beobachtet werden; es gibt keine Daten aus Studien mit gesunden Proband:innen.
• Die beobachteten Veränderungen könnten daher krankheits‑ oder kontextabhängig sein.

Wie half die generative KI konkret?

Insilico setzte zwei KI‑Systeme ein:

• eins zum Durchsuchen von Daten und Literatur nach geeigneten Zielproteinen,
• eins zur Analyse von Proteinstrukturen und Vorschlag passender Moleküle.

So identifizierten Teams das Enzym TNIK als Ziel und entwickelten innerhalb von rund 18 Monaten Rentosertib, das anschließend in klinische Studien ging.

Stand der Entwicklung und Firma

• Laut Insilico befindet sich Rentosertib derzeit in einer Phase‑III‑Studie, der letzten Prüfphase vor einer möglichen Zulassung.
• Insilico, 2014 gegründet, verfolgt das Ziel, Medikamentenentwicklung mit generativer KI zu beschleunigen; unter anderem hat Eli Lilly investiert.
• Firmenangaben zufolge hat Insilico bis März 2026 mindestens 28 Wirkstoffkandidaten mit generativer KI entwickelt, viele davon in klinischen Studien.

Was als Nächstes passiert

Die Phase‑III‑Studie zu Rentosertib läuft weiter; größere und unabhängige Studien, idealerweise auch an gesunden Proband:innen, wären nötig, um die Beobachtungen zu überprüfen und zu klären, wie allgemein gültig die Effekte sind.

Quellen

• Quelle: Insilico Medicine
• Der ursprüngliche Artikel wurde hier veröffentlicht
• Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.