Победа над старением: шаг первый

На сегодняшний день мы имеем довольно печальную ситуацию: практически ни одна интервенция на мышах не увеличила продолжительность жизни (ПЖ) существенно дольше чем простое ограничение калорийности питания, известное с начала прошлого века… Более того, из известных генов, манипуляции с которыми продлевают жизнь мышам, лишь только два предположительно замедляют популяционное (демографическое) старение да и то крайне незначительно… Так уж получается, что единственный организм, старением которого мы научились управлять — это крохотный червячок-нематода C. elegans. Именно благодаря замедлению старения ученым удалось продлить максимальную ПЖ нематод-мутантов раз в 10 (~900%), в то время как рекордная ПЖ мышей-мутантов больше лишь примерно на 25% (5 лет против 4)…В своей лекции про математику старения я подробно объясняю почему воздействие на скорость старения — самая выгодная стратегия увеличения ПЖ. И даже эти скромные проценты могут еще сильнее уменьшиться при переносе с грызунов на человека, так как уже, например, на приматах эффекты ограничения калорийности противоречивы: одно исследование не показало эффекта на ПЖ, а в другом эффект хоть и был, но макаки из контрольной группы питались нездоровой пищей.

Ученые упорно пытаются искать гены, управляющие процессом старения (и не находят их, потому что генов, значимо управляющих скоростью старения у млекопитающих не выявлено). Теперь взоры с замиранием сердца направлены в сторону эпигенетики. На подходе еще более свежие гипотезы вроде нарушения сплайсинга мРНК. При этом ученые упорно игнорируют вероятную причину старения, которая известна с 40-ых годов прошлого века… И речь идет о поперечных сшивках и аддуктах долгоживущих белков внеклеточного матрикса. Нет, не то чтобы они эту тему совсем игнорируют: какое-то вялое стыдливое обсуждение идет, но вот даже включить гликирование в список ключевых признаков старения светила геронтологии то ли побоялись, то ли постеснялись, то ли попросту забыли… Зато мы с профессором Москалевым исправили это недоразумение спустя 7 лет после выхода в свет и набравшего за это время более шести тысяч цитирований обзора ключевых признаков старения. Но я твердо уверен в том, что порча долгоживущих белков матрикса не просто является одним из ключевых признаков старения, а тем пусковым механизмом, который дает начало практически всем другим hallmarks of aging. Не хочу повторяться здесь, но об этом можно подробнее почитать и в нашей вышеупомянутой работе с Алексеем Москалевым, и в интервью для lifespan.io (русскоязычная версия), и в постах на фейсбуке (тут и тут), но самое популярное и простое изложение вы можете найти в двух моих статьях на medium:

Важно понимать, что даже если вдруг сшивки межклеточного матрикса не являются той самой первопричиной старения, то они все равно ограничивают нашу продолжительность жизни, поскольку сшивки приводят к резистентности матрикса к растворению ферментами-коллагеназами, а этого достаточно для запуска старения. То есть даже устранив все возможные причины кроме сшивок мы не сможем существенно омолодить организм!

“И что, — скажет любопытный читатель, — неужели никто не разрабатывает средство против такого важного механизма старения!?”. Ну почему же никто, есть одна (!!!) коммерческая компания под названием Revel, которая разрабатывает фермент, способный расщепить глюкосепан (это тип сшивок, который считается наиболее распространенным в человеческом организме). Всего лишь одна компания работает над решением чрезвычайно сложной проблемы. Как вы думаете, высоки ли шансы, что у одной-единственной компании получится создать препарат, который сможет расщеплять сшивки? Я думаю, что эти шансы ничтожны и вот почему:

  • во-первых, современная фарма хорошо научилась находить и создавать молекулы, которые блокируют какие-то молекулы (например, рецепторы) в организме. Гораздо реже можно встретить агонисты каких-либо молекул. А расщепителей сшивок раз-два и обчелся: на сегодняшний момент есть только ALT-711 или “Алагебриум” (и еще пара не прошедших клин. испытания), который нацелен на альфа-дикетоновые сшивки. Фарминдустрия попросту не имеет опыта в разработке расщепителей молекулярных сшивок. Стоит отметить, что альфа-дикетоновые сшивки гораздо проще расщепить чем глюкосепан, потому что у первых есть две карбонильные группы, которые удобно атаковать (см. рис.):
Автор иллюстрации — John D. Furber
  • во-вторых, компания Revel занимается поиском фермента, который мог бы расщепить глюкосепановые сшивки. Это, на мой взгляд, тупиковый путь, потому что фермент (это крупная молекула белка) попросту не пролезет между фибриллами коллагена, которые еще и сшиты, к тому же. Вот, что пишет John Furber:

Sugar is a small molecule, able to fit in narrow spaces between collagen strands. When it crosslinks them, they are drawn even more tightly together, hardening and stiffening the collagen. Enzymes are much larger molecules than sugars. Some digestive enzymes can chew into the collagen from the outside, but any crosslink-breaking enzyme is physically restricted from access to its target

  • в-третьих, причиной старения может быть не глюкосепан, а другие сшивки! “Но как же так?” — спросит пытливый читатель, — “ведь ты только что сказал, что это самый распространенный тип неферментативных сшивок!” На самом деле, точно никто не знает, поэтому я и сказал “считается”. К методологии того самого исследования, которое отдало победу глюкосепану есть большие вопросы. И услышал я их на конференции Ending Age-Related Diseases 2020 от Dr. Jonathan Clark. Вкратце суть такова: чтобы исследовать сшивки на хроматографе с масс-спектрометром, ученые очень долго растворяли образцы коллагена разными ферментами и потом растворенный коллаген уже помещали в хроматограф, а нерастворенный коллаген попросту выбросили. Но постойте-ка, нас-то как раз интересует нерастворенный коллаген (вспоминаем исследование на мышках, которых устойчивый коллаген состарил)! Никто ведь не сказал, что распределение сшивок в нерастворенном коллагене будет в точности такое же как и в растворенном, а доля такого суперсшитого коллагена у очень пожилых людей может достигать 59%! То есть на сегодняшний момент нельзя с уверенностью говорить, что глюкосепан является основной и единственной мишенью.

Бессильно в поиске средства от сшивок и крайне популярное нынче машинное обучение и нейросети в частности. Бессильно оно потому, что для обучения моделей (например, нейросетей) необходимы позитивные примеры, то есть вещества, способные расщепить сшивки. На основании сходства с позитивными примерами современные генеративные нейросети способны “конструировать” новые молекулы с похожими свойствами. Однако поскольку расщепителей сшивок практически нет, то и базировать свои предсказания нейросетям не на чем. И что же можно сделать с учетом вышесказанного?

Я предлагаю простое хотя и топорное решение — скрининг. Причем скрининг может быть как виртуальным (in silico), так и в пробирке (in vitro). Рассмотрим первый вариант: существует проект Rosetta@home, который использует компьютерные мощности добровольцев со всего мира для предсказания структуры белка и белок-белковых взаимодействий. Если бы хемоинформатикам удалось точными или приближенными методами просчитать взаимодействие малой молекулы и сшивки (а именно, может ли молекула расщепить сшивку), то мы могли запустить такой расчет для тысяч химических соединений на миллионах компьютеров по всему земному шару, благо платформа уже имеется! Однако далеко не факт, что точно просчитать взаимодействие малой молекулы и сшивки возможно…

Второй вариант — это скрининг тысяч реальных химических соединений в пробирке. Но как его осуществить? Поскольку мы достоверно не знаем распределение сшивок, то необходимо использовать реальные образцы матрикса, полученные, например, из тканей трупов пожилых людей, а об эффективности расщепителя сшивок можно судить по времени растворения образца протеолитическим ферментом — коллагеназой. Если вещество разрушают сшивки, то это облегчает коллагеназам работу и поэтому время расщепления коллагена уменьшается. И обратное, скорее всего, тоже верно. Весь процесс мне видится таким образом:

  1. берутся несколько образцов ткани одного человека, из них выделяется коллаген, который подвергается протеолитической деградации коллагеназами. Засекается среднее время растворения половины коллагена. Это и есть показатель, который мы хотим минимизировать
  2. так же берутся несколько образцов ткани одного человека, из которых также выделяется коллаген, который подвергается сначала инкубации в растворе вещества, которое хотим проверить, а затем уже протеолитической деградации коллагеназами. Если удалось статистически значимо уменьшить время растворения коллагена, то это наш кандидат.
  3. повторяем действия п. 2 для других веществ-кандидатов

Конечно, получится так, что разные вещества будут протестированы на образцах тканей разных доноров разного возраста. Но это не является принципиальным барьером для их сравнения между собой ведь мы можем нормировать образцы на контроль и сравнивать их друг с другом (поскольку там линейная зависимость времени растворения с возрастом). Пример: контроль_1 – 2 часа, вещество_1 – 1 час, контроль_2 – 3 часа, вещество_2 – 1 час. Кажется, что оба вещества-кандидата одинаково улучшили растворимость белков матрикса, но на самом деле, вещество_2 лучше, поскольку матрикс второго донора был сильнее сшит и коллагеназам потребовалось в полтора раза больше времени на его расщепление в контрольном образце. После нормировки получим: вещество_1 – 1/2 времени контроля, а вещество_2 – 1/3 времени контроля. Более того, полученные нормированные значения можно использовать для обучения генеративных нейросетей и иных моделей машинного обучения, которые, возможно, помогут найти новые молекулы, способные разрушать неферментативные сшивки.

Работал в НИИ Антимикробной химиотерапии. Сейчас инженер систем машинного обучения. Ученый-биогеронтолог, специализирующийся на биостатистике и анализе данных

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store