I dodici meccanismi dell’invecchiamento — e la medicina che impara a leggerli in anticipo

Oggi conosciamo i dodici meccanismi molecolari che regolano l’invecchiamento delle nostre cellule. Per decenni sono rimasti nei laboratori. Poi è arrivata l’intelligenza artificiale — e ha cambiato tutto.

In breve

I farmaci degli ultimi settant’anni hanno compiuto un’impresa straordinaria. Antidiabetici, antipertensivi, statine, vaccini, antibiotici, antivirali: quei 17 anni di aspettativa di vita guadagnati in tre generazioni sono anche merito loro. Ma intervengono su una malattia già manifesta. La medicina della longevità si pone un obiettivo diverso: impedire che la malattia si manifesti. O almeno ritardarlo il più a lungo possibile.

Per farlo, serviva prima capire come invecchiamo a livello molecolare. Conosciamo oggi dodici meccanismi biologici fondamentali — i ricercatori li chiamano hallmarks, tratti distintivi — che regolano l’invecchiamento delle nostre cellule. Alcuni sono già entrati nel linguaggio comune: DNA, telomeri, mitocondri, autofagia, epigenetica, microbioma, infiammazione cronica. Insieme, come descriviamo in Saremo tutti centenari, formano la mappa molecolare dell’invecchiamento.

Per decenni questa mappa è rimasta nei laboratori, lontana dalla clinica. Poi è arrivata l’intelligenza artificiale — e ha cambiato tutto. La capacità di analizzare enormi masse di dati biologici ha accelerato la comprensione delle interazioni tra questi sistemi in modo impensabile fino a pochi anni fa, aprendo una nuova stagione della diagnostica predittiva.

L’approfondimento

La pubblicazione più citata in questo campo è la rassegna di López-Otín et al. su Cell: la versione del 2013 identificava nove hallmarks dell’invecchiamento; quella del 2023 — aggiornata alla luce di un decennio di nuove evidenze — ne conta dodici. I meccanismi si dividono in tre categorie concettuali. I primari, che originano il danno: instabilità genomica (accumulo di mutazioni nel DNA), erosione dei telomeri, alterazioni epigenetiche, perdita di proteostasi (il controllo della qualità delle proteine). I compensatori, che tentano di rispondere al danno ma nel tempo si disregolano: alterazioni della segnalazione dei nutrienti (mTOR, AMPK, IGF-1), disfunzione mitocondriale, disregolazione della macroautofagia. E gli integrativi, che riflettono il collasso sistemico: senescenza cellulare, esaurimento delle cellule staminali, alterazione della comunicazione intercellulare, infiammazione cronica (inflammaging) e disbiosi del microbioma. Ogni hallmark interagisce con gli altri: non si tratta di processi paralleli indipendenti, ma di un sistema altamente connesso in cui il deterioramento di un nodo accelera quello degli altri.

L’intelligenza artificiale ha trasformato la capacità di analizzare queste interazioni su scala. Modelli di machine learning addestrati su dati genomici, epigenomici, proteomici e metabolomici di decine di migliaia di soggetti riescono oggi a identificare pattern biologici predittivi di malattia con un anticipo fino a dieci anni rispetto alla comparsa dei sintomi clinici. Non probabilità statistiche generiche — “rischio del 20% di infarto nei prossimi dieci anni” — ma profili individuali con firme molecolari specifiche. Il primo orologio epigenetico pubblicato da Steve Horvath nel 2013 misurava l’età biologica attraverso i pattern di metilazione del DNA su 353 siti del genoma; oggi esistono orologi di seconda e terza generazione (PhenoAge, GrimAge, DunedinPACE) capaci di stimare non solo l’età biologica, ma la velocità di invecchiamento e la probabilità di eventi clinici futuri.

I nuovi strumenti diagnostici si articolano su più livelli. La genetica predittiva identifica varianti associate a rischio di malattie specifiche e a traiettorie di invecchiamento accelerato. L’epigenomica misura come i fattori ambientali e lo stile di vita abbiano modificato l’espressione genica nel tempo — una lettura dinamica e modificabile, non un destino fisso. La metabolomica analizza il profilo di centinaia di metaboliti circolanti, riflettendo lo stato funzionale di organi e tessuti con una sensibilità molto superiore ai tradizionali esami del sangue. I test fisiologici avanzati — VO₂max, variabilità della frequenza cardiaca, composizione corporea, funzione cognitiva — completano il quadro con misure di performance biologica integrata. Presi insieme, questi strumenti permettono di disegnare la traiettoria di invecchiamento di una persona in modo molto più preciso di quanto la medicina tradizionale consentisse.

Il principio che ne deriva — e che in Saremo tutti centenari proponiamo come fondamento di una nuova medicina — è semplice nella formulazione, rivoluzionario nella pratica: misurare per correggere, correggere per prevenire, prevenire per potenziare. La medicina della longevità non è solo prevenzione nel senso tradizionale — smettere di fumare, fare movimento, mangiare bene. È un cambio di paradigma che sposta l’attenzione dalla malattia alla funzione biologica, dal trattamento alla resilienza, dalla diagnosi tardiva all’identificazione precoce delle traiettorie di deterioramento. La transizione dalla medicina curativa a quella anticipatoria non è un orizzonte lontano: come documentiamo in Saremo tutti centenari, è già in corso.

Il punto di vista di SoLongevity

Nel percorso della Clinica SoLongevity, l’integrazione tra genetica predittiva, diagnostica epigenetica, metabolomica e marcatori biologici di funzione costituisce la base del profilo individuale su cui si costruisce ogni intervento. Misurare la traiettoria di invecchiamento di ciascuna persona, identificare quali dei dodici hallmarks mostrano i segnali più precoci di deterioramento, intervenire con precisione prima che il danno si manifesti clinicamente, verificarne nel tempo gli effetti. Misurare. Correggere. Prevenire. Potenziare. In quest’ordine — e con la stessa logica che guida ogni disciplina che voglia chiamarsi scientifica.

Fonti

 López-Otín C. et al., “Hallmarks of aging: an expanding universe.” Cell 186(2):243–278, 2023. 

López-Otín C. et al., “The hallmarks of aging.” Cell 153(6):1194–1217, 2013.

 Horvath S., “DNA methylation age of human tissues and cell types.” Genome Biol 14(10):R115, 2013. 

Levine M.E. et al., “An epigenetic biomarker of aging for lifespan and healthspan.” Aging 10(4):573–591, 2018.