Google Antigravity：加速抗菌肽搜索

📌 One-Sentence Summary

Google DeepMind 的 Antigravity 智能体科学工作台，由 ProtNLM 和共享 3D 结构查看器驱动，将碎片化的抗菌肽发现压缩为一次协作会话，并发现了一个正在进入湿实验室验证的新型细菌素候选物。

📝 Summary

Google DeepMind 推出 Google Antigravity，一个智能体科学工作台，让生物学家在一次交互式会话中发现、结构评估并优先排序抗菌肽（AMP）候选物，而无需在多个数据库和工具之间切换。该工作流将负责制定策略和决定收集哪些证据的研究人员，与负责跨数据库编排、结构分析和文献综合的 AI 智能体配对。一个关键组件是 ProtNLM，这是一个深度学习模型，可直接从原始氨基酸序列预测生物功能，丰富了数百万条未注释的 UniProt 条目。在演示的流程中，智能体将数百万条 UniProt 条目缩小到来自 Streptococcus pseudopneumoniae 中 Lactococcin 972 家族的 97 个氨基酸的细菌素，并预测其对呼吸道病原体具有活性。该先导化合物目前正在进行湿实验室验证。DeepMind 还推出了 Biomolecular Structure Viewer，这是一个嵌入式 3D 可视化工具，研究人员和智能体之间共享视觉状态，使高亮残基或固定注释等标注可以双向流动。文章将此视为降低日常生物工作流门槛、并将湿实验室资源集中在最高置信度先导化合物上的一种方式。

💡 Main Points

Google Antigravity 将碎片化的抗菌肽发现压缩为一次智能体会话。

研究人员无需编写自定义脚本、将文件导出到 3D 建模程序并协调多位专家，而是与一个智能体合作，在同一工作空间中处理跨数据库编排、结构分析和文献综合。

ProtNLM 通过直接从氨基酸序列预测功能，解锁了蛋白质数据库中未注释的「暗物质」。

这个 seq-to-seq transformer 读取序列的进化语法，并用高置信度功能标签丰富数百万条此前未命名的 UniProt 条目，从而实现对未表征蛋白质的大规模扫描。

演示的工作流发现了一个具体且生物学上合理的 AMP 先导化合物，目前正在进入湿实验室验证。

该智能体将数百万条 UniProt 条目筛选到来自 Streptococcus pseudopneumoniae 中 Lactococcin 972 家族的 97 个氨基酸的细菌素，并预测其对呼吸道病原体具有活性。

Biomolecular Structure Viewer 创建了一个共享的 3D 画布，使研究人员和智能体之间具备双向感知。

智能体可以动态驱动查看器高亮功能区域，而研究人员的高亮残基或将注释固定到结合口袋等操作会同步回智能体，以便立即进行结构推理。

该方法针对一个紧迫的全球健康需求：抗菌素耐药性。

到 2050 年，AMR 预计每年可能导致全球 1000 万人死亡，而细菌素提供了一种有前景的替代方案，因为它们进化出针对细菌基本脆弱点的能力，使耐药性更难发展。

💬 Key Quotes

Google Antigravity 提供了一个智能体科学工作台，使生物学家能够快速发现、结构评估并优先排序有前景的靶点，将过去跨多个数据库的碎片化搜索压缩为一次会话。

这使模型能够直接从原始蛋白质序列预测生物功能，并用高置信度功能标签丰富数百万条此前未命名的 UniProt 条目。

这里识别出的先导化合物目前正在进行湿实验室验证。

研究人员可以简单地在 3D 空间中标记感兴趣的区域，并询问，例如，「这个 β-折叠可能如何影响 Lipid II 结合？」，使智能体能够立即基于科学家正在查看的确切结构背景进行推理。

Google Antigravity 在一个地方执行这种端到端的科学推理。

📊 Article Meta

AI Screening： 88

Source： Google DeepMind News

Author： Pengfei Tian, Maxwell L Bileschi, Zoi Tsangalidou, Sukhdeep Singh, Lucy. J. Colwell

Category： 人工智能

Language： 英文

Read Time： 5 min

Word Count： 1047

Tags：

AI 与智能应用 , 科学前沿 , 机器学习 , AI 工作流 , AI Agent