2025年，哈佛医学院Gladyshev实验室发布了一套引人注目的系统。名为“ClockBase Agent”的AI，并没有开展新的实验，而是对公开的13,211个小鼠基因数据集进行了自动化再分析。

三个AI代理协同完成任务：第一个代理负责选择统计模型并执行43,602次对比分析；第二个代理将结果与衰老生物学文献进行比对，补充语境；第三个代理则对结果进行优先级排序。

结果超出预期。系统发现了超过500项原研究者未报告的抗衰老干预方案，验证准确率达到99.27%。

更值得关注的是，这些被识别出的物质中，相当一部分并非新发现，而是如乌阿巴因（ouabain）这样数十年前已被认知的成分。问题不在于数据匮乏——13,211个数据集早已存在——而在于从未有人对它们进行“交叉式理解”。

过去的研究往往围绕单一假设展开，在各自的数据边界内得出结论。不同数据之间的信号一旦交汇，将产生怎样的意义，这一问题长期未被提出。而机器则将这一问题重复提出了43,602次，并在“人类未曾提问之处”，得出了500个答案。

这一现象并不只发生在实验室。

当前，表观遗传重编程（Epigenetic Reprogramming）正在成为关键技术路径。该技术并不改变DNA本身，而是重置其“读取方式”，使其回归更年轻的状态，从而实现细胞层面的“年龄回溯”。

Retro Biosciences表示，通过将AI引入该技术路径，其效率提升达50倍。与此同时，Life Biosciences正与OpenAI合作，推进利用AI重设计干细胞蛋白的项目。这也是OpenAI首次将其模型应用于生物学领域。

这些进展的共同点在于：AI并未创造全新的物质，而是在既有知识体系中，识别出人类未曾尝试的组合路径。若依赖人工逐一实验，原本需要数十年的探索，被大幅压缩。

那么，“遗漏”为何发生？

研究者验证自身假设，医生依据专业领域判断，消费者则在既有认知框架中管理健康。问题并非数据不足，而在于缺乏跨维度的连接。ClockBase Agent所证明的，并非AI本身的优越性，而是“交叉”的力量。

2025年2月，出现了一个关键转折。美国食品药品监督管理局首次在历史上将“延长寿命”认定为有效的临床目标。这意味着，衰老正从自然过程被重新定义为可干预的状态。长寿不再只是愿景，而成为科学需要解决的问题。

当然，这一趋势仍存在边界。表观遗传重编程在人类中的应用仍处早期阶段，AI筛选出的候选物质转化为真实治疗手段，也仍需经历漫长验证。但整体方向已经逐渐清晰。

在这一背景下，The Future所关注的，正是这种“交叉结构”。

正如ClockBase Agent在13,211个数据集之间寻找交汇点，The Future正在构建一个通过AI探索健康领域、功能成分与生物标志物之间关系的系统。目标不再只是测量生物年龄或呈现数据，而是填补数据之间的“空白”。

它不仅停留在“你的生物年龄是47岁”的结论上，更进一步回答：“在当前条件下，某种成分为何对你具有实际意义”。

在此前的讨论中，我们提出，比起“活多久”，“如何活得更久”更为关键。而本篇所讨论的，正是寻找这一“如何”的方法。

13,211个数据集，并非13,211个孤立事实，而是43,602个潜在的交叉点。The Future正在构建的，正是识别并连接这些交叉关系的技术。

Reference
¹⁾ Gladyshev Lab. (2025). "Autonomous AI Agents Discover Aging Interventions from Millions of Molecular Profiles." PMC.
²⁾ Retro Biosciences. (2025). AI-enhanced epigenetic reprogramming efficiency announcement.
³⁾ Life Biosciences & OpenAI. (2025). Stem cell protein redesign collaboration.
⁴⁾ FDA. (2025). Loyal's LOY-002 approval — first regulatory recognition of lifespan extension as valid clinical endpoint.