एंटीमाइक्रोबियल प्रतिरोध का बढ़ना हमारे समय के सबसे गंभीर वैश्विक स्वास्थ्य संकटों में से एक है और अनुमान है कि 2050 तक इससे दुनिया भर में हर साल लगभग 10 मिलियन मौतें हो सकती हैं। नई एंटीबायोटिक दवाओं की तत्काल ज़रूरत है, लेकिन नई चिकित्सीय दवाओं की खोज अक्सर एक धीमी और श्रम-गहन प्रक्रिया होती है। हमारे एजेंटिक डेवलपमेंट प्लेटफ़ॉर्म Google Antigravity के साथ अब इस प्रक्रिया को आसान बनाया जा सकता है। Google Antigravity एक एजेंटिक विज्ञान वर्कबेंच प्रदान करता है, जो जीवविज्ञानियों को आशाजनक लक्ष्यों की तेज़ी से खोज, संरचनात्मक मूल्यांकन और प्राथमिकता तय करने में सक्षम बनाता है, और जो काम पहले कई डेटाबेस में बिखरी हुई खोज थी, उसे एक ही सत्र में समेट देता है।
एंटीमाइक्रोबियल पेप्टाइड (AMPs), विशेष रूप से बैक्टीरियोसिन, पारंपरिक एंटीबायोटिक दवाओं का एक आशाजनक विकल्प हैं, क्योंकि वे प्राकृतिक रूप से प्रतिस्पर्धी बैक्टीरिया की मूलभूत कमज़ोरियों को निशाना बनाने के लिए विकसित हुए हैं, जिससे रोगाणुओं के लिए प्रतिरोध विकसित करना कठिन हो जाता है। प्रोटीन डेटाबेस के बिना एनोटेट किए गए "डार्क मैटर" में अरबों प्राकृतिक अनुक्रम अब भी बंद पड़े हैं। इस अंतर को पाटने के लिए Google ने Prot NLM (Protein Natural Language Model) विकसित किया है, जो एक डीप लर्निंग मॉडल है और अमीनो एसिड अनुक्रमों के विकासवादी "व्याकरण" को पढ़ने के लिए प्रशिक्षित है। यह पहले से अनाम रही लाखों UniProt प्रविष्टियों को उच्च-विश्वसनीयता वाले कार्यात्मक लेबल से समृद्ध करता है।
Antigravity में काम करते हुए, एक शोधकर्ता और एक AI एजेंट ने एक केंद्रित जैविक लक्ष्य तय किया: Streptococcus pseudopneumoniae में नए AMPs खोजना और उनका कम्प्यूटेशनल सत्यापन करना। शोधकर्ता वैज्ञानिक रणनीति का मार्गदर्शन करता है, जबकि एजेंट विभिन्न डेटाबेस के समन्वय, संरचनात्मक विश्लेषण और साहित्य संश्लेषण का भारी काम संभालता है। परिणामी उम्मीदवार श्वसन तंत्र के संक्रमणों से जुड़े रोगाणुओं के विरुद्ध संभावित गतिविधि दिखाता है और अब यह वेट-लैब सत्यापन से गुज़र रहा है।
यह तरीका रोज़मर्रा के जैविक कार्यप्रवाहों की बाधाएँ कम करता है, जिससे शोधकर्ता अनुक्रम डेटा से प्राथमिकता वाले उम्मीदवारों तक पहले से कहीं तेज़ी से पहुँच सकते हैं।
स्रोत: Google DeepMind Blog · HeadlinesBriefing द्वारा सारांशित