DeepMind und Altern: Künstliche Intelligenz entdeckt Gene, die Zellen verjüngen

Alle ein oder zwei Jahrzehnte gibt es einen Moment, in dem zwei getrennt entwickelte Bereiche aufeinanderprallen und beide für immer verändern. So geschah es, als die Informatik auf die Genetik traf und die Bioinformatik hervorbrachte. Jetzt erleben wir einen solchen Moment erneut: Die künstliche Intelligenz trifft auf die Biologie des Alterns.

Am 20. Mai 2026 veröffentlichte Google DeepMind, das KI-Labor hinter AlphaFold und AlphaGo, seine neue Arbeitsrichtung: den Einsatz fortschrittlicher Modelle, um die Suche nach genetic leads zu beschleunigen – genetischen Kandidaten, die alte Zellen in einen jüngeren Zustand versetzen können. Einfach ausgedrückt versucht der Algorithmus, die Frage zu beantworten, die Alternsforscher seit zwanzig Jahren stellen: Welche Gene müssen ein- oder ausgeschaltet werden, um das Zellalter zurückzusetzen?

Der Unterschied liegt im Tempo. Was im Labor Jahre dauert – das Durchforsten Tausender genetischer Kombinationen nacheinander – kann ein KI-System in Monaten bewerten. Es ist weder ein Medikament noch ein Versprechen, aber es ist ein dramatischer Sprung in der Geschwindigkeit, mit der wir den Möglichkeitsraum eingrenzen.

Was genau sind genetic leads zur Zellverjüngung?

Um zu verstehen, wonach DeepMind sucht, muss man verstehen, was die Wissenschaft bereits über die Zellverjüngung weiß:

• Reprogrammierung: 2006 zeigte Shinya Yamanaka, dass man eine reife Zelle durch die Aktivierung von nur vier Genen (OSKM) in einen Stammzellzustand zurückversetzen kann. Dies war der Beweis, dass das Zellalter umkehrbar ist.
• Partielle Reprogrammierung: Anstatt die Zellidentität vollständig zu löschen, werden die Gene kurzzeitig aktiviert, um die Zelle zu 'verjüngen', ohne sie in eine Stammzelle zu verwandeln. So bleibt die Zelle ein Neuron oder eine Hautzelle, aber jünger.
• Genetic leads: Dies sind Kandidaten, Gene oder Genkombinationen, die ein hohes Potenzial haben, diese Verjüngung zu erreichen. Die allermeisten wurden noch nicht im Labor getestet.

Das Problem ist die Größe des Suchraums. Das menschliche Genom enthält etwa 20.000 Gene. Die Anzahl ihrer möglichen Kombinationen ist astronomisch. Jede einzelne in lebenden Zellen nacheinander zu testen, könnte Hunderte von Laborjahren dauern. Hier kommt die künstliche Intelligenz ins Spiel.

Der Bezug zur KI: Ein Vorhersagemechanismus

DeepMind 'sucht' nicht zufällig. Es hat Modelle entwickelt, die aus riesigen Mengen biologischer Daten gelernt haben, welche Genexpressionsmuster eine junge Zelle im Vergleich zu einer alten Zelle auszeichnen und welche Veränderung in der Genaktivierung eine alte Zelle dem jungen Profil annähert.

Dies ist dasselbe Prinzip, das AlphaFold revolutionär gemacht hat. AlphaFold führte keine Experimente an jedem Protein durch, es sagte die dreidimensionale Struktur von Hunderten Millionen Proteinen allein aus ihrer Aminosäuresequenz voraus und ersparte der wissenschaftlichen Welt so Jahrzehnte der Laborarbeit. Derselbe Ansatz wird nun auf die Frage des Alterns angewendet: Statt zu testen, vorhersagen und den Forschern eine kurze, fokussierte Liste der Kandidaten geben, die zuerst getestet werden sollten.

Der industrielle Kontext ist hier wichtig. DeepMind ist Teil von Alphabet (der Muttergesellschaft von Google), und daneben agiert Isomorphic Labs, ein Arzneimittelentdeckungsunternehmen, das aus derselben Technologie hervorgegangen ist. Alphabet betreibt auch Calico, ein Unternehmen, das 2013 speziell zur Bekämpfung des Alterns gegründet wurde. Die Kombination aus Rechenleistung, biologischen Daten und nahezu unbegrenzter Finanzierung ist genau das, was dem Bereich der Langlebigkeit bisher gefehlt hat.

Die aktuellen Belege

Es ist wichtig, präzise zu sein: Dies ist eine Ankündigung einer Forschungsrichtung, kein Artikel mit endgültigen Ergebnissen. Dennoch kann man sie vor dem Hintergrund dessen betrachten, was in den letzten Jahren bereits bewiesen wurde, und verstehen, warum die Erwartungen hoch sind.

Studie 1: Zellverjüngung im Auge von 2020

Ein Team aus Harvard unter der Leitung von David Sinclair zeigte, dass man das Sehvermögen alter Mäuse wiederherstellen kann, indem man drei der vier Yamanaka-Faktoren im Sehnerv aktiviert. Die Nervenzellen regenerierten sich und ihr biologisches Alter sank. Dies ist der Beweis, dass präzise genetische Ziele tatsächlich Prozesse umkehren können.

Studie 2: AlphaFold und Strukturvorhersage von 2021

DeepMind veröffentlichte die 3D-Strukturen von über 200 Millionen Proteinen, fast jedem bekannten Protein. Diese Leistung brachte den Teamleitern 2024 den Nobelpreis für Chemie ein und bewies, dass künstliche Intelligenz biologische Probleme lösen kann, die jahrzehntelang als unlösbar galten.

Studie 3: Groß angelegte Zellkarten

Projekte wie der Human Cell Atlas haben das Genexpressionsprofil von Millionen einzelner Zellen aus verschiedenen Geweben und Altersstufen kartiert. Solche Daten sind das Rohmaterial, das ein KI-Modell benötigt, um auf Genebene zu lernen, was eine 'junge Zelle' und was eine 'alte Zelle' ist.

Studie 4: Epigenetische Alternsuhren

Die Horvath-Uhr und ihre Nachfolger messen das biologische Alter anhand von DNA-Methylierungsmustern mit einer Genauigkeit von weniger als 4 Jahren. Solche Uhren liefern der KI ein objektives Maß: Hat die vorgeschlagene genetische Veränderung das Alter tatsächlich gesenkt oder nicht.

Was ist mit spezifischen Alterskrankheiten?

Zellverjüngung ist kein abstraktes Ziel. Wenn wir Zellen erfolgreich verjüngen können, betreffen die Auswirkungen jede altersabhängige Krankheit:

• Neurodegenerative Erkrankungen: Neuronen teilen sich kaum, daher könnte ihre Verjüngung eine Lösung für Alzheimer und Parkinson sein, dort wo Stammzellen nicht helfen.
• Herzkrankheiten: Herzmuskelzellen verlieren mit dem Alter ihre Regenerationsfähigkeit. Partielle Reprogrammierung könnte sie wiederherstellen.
• Immunsystem: Eine 'Verjüngung' von Immunzellen könnte die mit dem Alter nachlassende Abwehr wiederherstellen und die Impfreaktion verbessern.

Mit anderen Worten: Ein Motor, der effizient genetische Ziele für die Verjüngung identifiziert, löst nicht eine einzelne Krankheit, sondern greift die gemeinsame Ursache aller Alterskrankheiten an.

Ist das der Durchbruch, auf den wir alle gewartet haben?

Hier müssen wir innehalten und tief durchatmen. Die Schlagzeile 'Künstliche Intelligenz kehrt das Altern um' ist aufregend, aber die Entfernung zwischen einem genetischen Kandidaten auf einem Bildschirm und einer Behandlung für Menschen ist gewaltig.

• Vorhersage ist keine Bestätigung: Selbst wenn das Modell ein Gen als vielversprechenden Kandidaten einstuft, muss es in lebenden Zellen, dann in Tieren und erst dann in Menschen getestet werden. Die Ausfallrate auf diesem Weg ist sehr hoch.
• Das Krebsrisiko: Die unkontrollierte Aktivierung von Yamanaka-Faktoren verwandelt Zellen in wilde Stammzellen, was Tumore verursachen kann. Die Kontrolle von Dosierung und Zeitpunkt ist die größte Herausforderung.
• Zeit: Selbst in einem optimistischen Szenario dauern klinische Studien am Menschen 7 bis 12 Jahre. Keine künstliche Intelligenz verkürzt die Sicherheitsphase.
• Hype vs. Realität: Kommerzielle Unternehmen und Schlagzeilen verwischen gerne die Grenze zwischen 'wir haben einen Kandidaten gefunden' und 'wir haben eine Behandlung gefunden'. Der Verbraucher sollte genau lesen, was tatsächlich bewiesen wurde.

Also nein, keiner von uns wird im nächsten Jahr eine Verjüngungsspritze bekommen. Was jedoch passiert ist, ist, dass die Geschwindigkeit der Entdeckungsphase eine Stufe höher gesprungen ist, und das allein ist bedeutsam.

Was kann man aus der Forschung mitnehmen?

Auch ohne Zugang zu den Laboren von Google gibt es praktische Lehren, die man bereits heute anwenden kann:

1. Kaufen Sie keine 'Verjüngungsmedikamente', die damit werben, auf KI zu basieren. Wenn etwas heute bereits verkauft wird, hat es die klinische Validierungsphase nicht durchlaufen. Bewahren Sie eine gesunde Skepsis.
2. Unterstützen Sie Ihre natürlichen Reparaturmechanismen: Bewegung, intermittierendes Fasten und guter Schlaf aktivieren dieselben DNA-Reparatur- und Zellverjüngungswege, die die KI mit einem Medikament nachahmen möchte.
3. Verfolgen Sie Ihre biologische Uhr: Epigenetische Alters tests (wie TruAge) sind öffentlich zugänglich und liefern ein objektives Maß für die Auswirkungen Ihrer Lebensstiländerungen.
4. Investieren Sie in Ihre metabolische Gesundheit: Blutzuckerkontrolle, Erhalt von Muskelmasse und gesunde Cholesterinwerte verlangsamen die Zellalterung auch ohne jeden genetischen Eingriff.
5. Bleiben Sie informiert, aber geduldig: Dies ist ein Bereich, der in Sprüngen voranschreitet. Die wirkliche gute Nachricht wird von den Ergebnissen einer klinischen Studie kommen, nicht von einer Pressemitteilung.

Die breitere Perspektive

Der Einstieg von DeepMind in die Langlebigkeitsarena markiert eine tiefgreifendere Veränderung als jedes einzelne Gen, das es finden wird. Es markiert, dass das Altern von einem Nischenwissenschaftsbereich zu einer Arena geworden ist, in der die größten Technologieunternehmen der Welt konkurrieren. Wenn Google, mit einem der leistungsstärksten KI-Labore der Welt, entscheidet, dass Zellverjüngung seine Aufmerksamkeit wert ist, erhält das gesamte Feld Finanzierung, Talent und Legitimität.

Aber es gibt auch eine bescheidene Erinnerung. AlphaFold hat die Biologie nicht 'gelöst', es hat den Forschern eine viel bessere Karte gegeben. Die künstliche Intelligenz grenzt den Suchraum ein, sie ersetzt nicht die harte Arbeit der Validierung, Sicherheit und des Verständnisses. Das Genom ist nicht nur ein zu entschlüsselnder Text, es ist ein lebendiges System, das auf Weisen reagiert, die uns noch immer überraschen.

Der richtige Zeitpunkt, sich zu freuen, ist nicht, wenn ein Algorithmus einen Kandidaten vorschlägt, sondern wenn eine echte menschliche Zelle im Labor dadurch jünger wird. DeepMind hat den Weg zu diesem Moment gerade verkürzt, aber nicht aufgehoben.

Referenzen:
Google DeepMind: Fast-tracking genetic leads to reverse cellular aging, 2026