📰 News

KI-Modell für kausale Wirkstoffentdeckung

5. August 2026·Quelle: Longevity.Technology

Nach Informationen von Longevity.Technology hat das Biotech-Startup Relation Therapeutics ein neues KI-Grundmodell namens MORGAN entwickelt, das auf Perturbationsdaten trainiert wurde – also darauf, wie biologische Systeme reagieren, wenn sie gezielt verändert werden. Gleichzeitig erweitert das Londoner Unternehmen seine Partnerschaft mit dem Pharmakonzern GSK. Der Ansatz unterscheidet sich von klassischen KI-Modellen, die nur Muster in Beobachtungsdaten erkennen: MORGAN soll verstehen, welche biologischen Veränderungen tatsächlich zu therapeutischen Effekten führen.

Das ist relevant für die Longevity-Branche, weil bisherige Biomarker-Technologien zwar exzellent darin sind, biologisches Alter zu messen, aber nicht beantworten, wie man es tatsächlich verändern kann. Ein kausales Verständnis könnte den Weg von der reinen Diagnose zur echten Intervention verkürzen – und damit die Entwicklung von Anti-Aging-Therapien beschleunigen.

Unsere Einordnung

Das ist ein wichtiger konzeptioneller Schritt: Während die Longevity-Branche brillant darin geworden ist, biologisches Alter zu messen, bleibt die Frage offen, wie man es senkt. Relation adressiert genau diese Lücke – von Korrelation zu Kausalität. Das könnte Anti-Aging-Therapien aus dem beschreibenden ins intervenierende Stadium heben und damit die Kommerzialisierungsgeschwindigkeit massiv erhöhen.

Schlüsselfakten

  • Relation Therapeutics stellt MORGAN vor: Ein Grundmodell trainiert auf Perturbationsdaten menschlicher Zellsysteme
  • Expandierte GSK-Partnerschaft zur Anwendung der Lab-in-the-Loop-Plattform in therapeutischer Entwicklung
  • Unterschied zu Standard-KI: Fokus auf kausale Zusammenhänge statt nur Korrelationen in biologischen Daten
  • Ziel: Computational Predictions + experimentelle Validierung in kontinuierlichem Kreislauf

Artikel teilen