Q5
抗衰老相关药物研发是否会因为新的靶点/生物机制发现而获得突破？
专家共识
确实如此 。 所有主要的抗衰老策略都是“机制”驱动的 。 例如 ， 自噬机制的研究推动了新筛选策略的发展 ， 以筛选和研发自噬诱导剂 。
Bohr院士
目前的干预策略部分是基于已知的靶点或机制 。 同时一些最新的研究发现 ， 基于一些经典的机制也可以成为很好的干预目标 。 其中之一是识别外来DNA的cGAS-Sting系统 ， 该系统在阿尔茨海默病和帕金森病以及病毒感染中被激活 。 目前正在开发对抗这种细胞信号的干预手段 ， 这是基于当前已知信号通路进行干预的一个例子 。
Q6
如何看待AI在抗衰老药物研发的前景 ， 引入AI能够对抗衰老药物研发现阶段存在的问题带来哪些改变？
专家共识
鉴于时间、成本和合作共谋等挑战 ， 将人工智能（AI）和机理研究相结合以改进药物开发过程应运而生 。
Bohr院士
我对人工智能药物研究的知识有限 ， 但可以确定的是它有着巨大的前景 。
方教授
近日 ， 我组织了一项由多个机构参与的研究 ， 是利用人工智能和“湿实验室”验证（wet lab validation）来识别线粒体自噬诱导剂 。 在总共3200个化合物中 ， 我们能够利用人工智能识别出18个得分最高的化合物 ， 其中两种在细胞和小鼠中都被验证为有效的线粒体自噬诱导剂 ， 这项研究的人工智能部分也是与德睿智药的牛张明先生合作完成的 。 由此 ， 也让我们充分了解并意识到人工智能在抗衰老领域广泛应用的重要作用 。
牛张明
首先要说明的是 ， 我的主要背景并非生物学 。 “抗衰老药物”是个较大的范围 ， 有许多慢性疾病都与衰老相关 。 下面我叙述的内容仅涉及对神经退行性疾病（比如 ， ALS、帕金森、阿尔茨海默症）进行干预和治疗策略 。
【安永 | 最是人间留不住？破译衰老密码，自噬机制成焦点】方教授提到我们合作的一个研究成果发表在了Nature Biomedical Engineering期刊上 ， 通过机器学习大幅降低了化合物发现的成本和周期 。 除了提高效率之外 ， 我们更加关心和希望未来机器学习技术可以协助人类攻克一些业界难题 。 比如能否通过知识图谱更好的理解阿尔茨海默 ， ALS等疾病的生物学机理、Biomarker、和靶点通路 ， 以及协助科学家设计出更好的临床前及临床实验 。
Q7
目前学术界就AI驱动抗衰老药物研发的研究成果对相关产业有哪些建设性的理论指导？
专家共识
正如我们在回答第三个问题中提到的 ， 那些衰老的10个标志就是现有的主要指导方针 。 大多数抗衰老策略（如果不全是）仅针对这些特征中的一个或几个 。
Rubinsztein 院士
未来 ， 基于人工智能和计算方法来预测蛋白质结构、蛋白质-蛋白质相互作用和蛋白质-药物相互作用等方法的进步将极大的推动人工智能驱动的药物发现领域的进展 。
牛张明
我同意David的看法 ， 并且希望一些新技术 ， 比如单细胞测序相关的AI图像识别技术及知识图谱（Knowledge Graph）等能够助推领域进展 。
Q8
随着学术界和产业界对抗衰老药物研发进程的不断推进 ， 我们是否能展望未来人类的身体质量和存活寿命可以得到极大的提高和延长？
专家共识
当然 。 我们强大的医疗保健系统、先进的医疗技术、人群健康的生活方式的推广 ， 以及使用可以延缓衰老的膳食补充剂或药物 ， 会让全球生活质量以及健康寿命进一步提高 ， 未来将一片光明 。
Rubinsztein 院士