🔑 核心发现
- 微重力环境可在数月内诱发骨量流失、肌萎缩、免疫改变等类衰老表型
- 航天医学既有证据为「加速衰老模型」提供了合理性基础
- 在轨实验与 AI 药物发现结合,试图提高早期筛选效率
- 样本量极小、混杂因素多,与地面衰老的机制并不等同
发生了什么
2026 年 7 月,多家研究机构与企业开始把近地轨道的微重力环境作为衰老研究的实验场,试图在较短周期内观察到与衰老相似的生理改变,并将在轨实验产生的数据接入 AI 药物发现流程[1]。这类项目通常以「加速衰老模型」为卖点,但它的合理性与局限都需要仔细拆解。
航天医学早就观察到的「类衰老」表型
把微重力与衰老联系起来,并非新近的营销包装,而是有几十年航天医学观察打底。长期在轨飞行会引起一系列改变,其表现与地面衰老过程高度相似。
- 骨量流失。长期任务中,承重骨的骨密度会以远高于地面老年人的速率下降,脊柱与髋部尤为明显[2]。
- 肌肉萎缩与力量下降。抗重力肌群在失去负荷后迅速萎缩,其模式与老年人的肌少症有相似之处。
- 免疫功能改变。免疫细胞亚群分布、潜伏病毒再激活与炎症相关指标的变化在多次任务中被记录。
- 心血管与体液重分布。失重导致体液头向转移,心血管调节能力下降,返回地面后需要再适应。
系统性的分子层面证据来自双胞胎研究:对一名执行长期任务的宇航员与其地面孪生兄弟进行的多组学比较发现,飞行期间出现了基因表达、端粒长度、DNA 甲基化、肠道菌群与免疫指标的多方面改变,其中大部分在返回地面后回归基线,少数持续更久[3]。此后,国际合作的空间生物学数据整合工作进一步梳理了失重、辐射、隔离等因素对多个系统的影响,并明确将其中若干改变与衰老过程相类比[4]。
把微重力当作加速衰老模型:合理性在哪里
这个类比的核心吸引力在于时间尺度。衰老研究最大的成本是等待——人体队列往往需要十年以上才能观察到有意义的结局。如果失重能在数周到数月内诱发骨、肌、免疫等多系统的类衰老改变,研究者就获得了一个可以反复施加与撤除的「加速器」,还能观察到干预撤除后的恢复过程,这是自然衰老无法提供的。
另一个吸引力在于机制的可分离性。地面衰老是遗传、代谢、炎症、损伤累积等多因素长期叠加的结果,很难分离出单一变量;而失重是一个可以被明确定义、精确控制、快速开关的物理刺激,其下游效应更容易归因。此外,微重力条件下的蛋白质结晶与细胞三维培养确实有其独特优势,这也是空间实验平台被制药界关注的原因之一。
与 AI 药物发现结合的逻辑
把在轨实验与 AI 结合,逻辑上有两条路径。一是把微重力诱发的多组学数据作为训练与验证素材,用于识别与衰老表型相关的分子特征,进而提出候选靶点;深度生成模型在靶点到苗头化合物的加速上已有公开的概念验证[5]。二是把结构生物学层面的优势与计算方法结合——蛋白质结构预测能力的跃升大幅降低了从序列到结构的门槛,使得高质量结构数据的价值更多体现在验证与精修环节[6]。
需要点明的是,这两条路径目前都停留在方法学层面,没有任何公开证据表明有候选药物是通过「在轨实验加 AI」的组合被发现并推进到临床的。
这个类比的局限
把失重当作衰老模型,存在几个不可忽视的问题。第一,机制不同。失重导致的骨肌流失主要源于机械负荷缺失,而衰老中的骨质疏松与肌少症还涉及激素变化、慢性炎症、干细胞耗竭等多重机制,二者只是表型相似[7]。第二,可逆性不同。宇航员返回地面后多数指标可恢复,而衰老过程的多数改变不可逆——这恰恰说明两者的底层过程不是一回事。第三,样本量极小。在轨人体实验的受试者数量以个位数计,混杂因素包括辐射暴露、睡眠剥夺、隔离应激与饮食改变,几乎无法做因果推断。第四,成本极高,实验规模与重复次数都受到硬约束。
后续观察什么
值得跟踪的是三件事:在轨实验数据是否公开共享并允许独立分析;是否出现由此路径发现、并在地面模型中被独立验证的具体靶点;以及地面模拟手段(如卧床试验、后肢去负荷模型)能否以低得多的成本复现关键结论——如果可以,太空实验的边际价值就会大幅下降。在这些之前,合理的定位是:这是一个有想象力的探索性方向,不是即将落地的疗法来源。
🔬 不老记评价
证据等级:🟡 C级 · 初步证据
📚 参考文献
- Nature Aging. The case for space as a model of accelerated aging[EB/OL]. Nature Aging, (2026-04-03)[2026-08-04].
- LANG T, LEBLANC A, EVANS H, et al. Cortical and Trabecular Bone Mineral Loss From the Spine and Hip in Long-Duration Spaceflight[J]. Journal of Bone and Mineral Research, 2004, 19(6): 1006-1012.
- GARRETT-BAKELMAN F E, DARSHI M, GREEN S J, et al. The NASA Twins Study: A multidimensional analysis of a year-long human spaceflight[J]. Science, 2019, 364(6436): eaau8650.
- AFSHINNEKOO E, SCOTT R T, MACKAY M J, et al. Fundamental Biological Features of Spaceflight: Advancing the Field to Enable Deep-Space Exploration[J]. Cell, 2020, 183(5): 1162-1184.
- ZHAVORONKOV A, IVANENKOV Y A, ALIPER A, et al. Deep learning enables rapid identification of potent DDR1 kinase inhibitors[J]. Nature Biotechnology, 2019, 37(9): 1038-1040.
- JUMPER J, EVANS R, PRITZEL A, et al. Highly accurate protein structure prediction with AlphaFold[J]. Nature, 2021, 596: 583-589.
- LÓPEZ-OTÍN C, BLASCO M A, PARTRIDGE L, et al. Hallmarks of aging: An expanding universe[J]. Cell, 2023, 186(2): 243-278.