Meningkatnya resistensi antimikroba adalah salah satu krisis kesehatan global paling mendesak di zaman kita dan diperkirakan dapat menyebabkan sekitar 10 juta kematian per tahun di seluruh dunia pada 2050. Antibiotik baru sangat dibutuhkan, tetapi pencarian terapi baru sering kali merupakan proses yang lambat dan padat karya. Dengan Google Antigravity, platform pengembangan agentik kami, proses ini kini dapat dibuat lebih mudah. Google Antigravity menyediakan meja kerja sains agentik yang memungkinkan ahli biologi menemukan, mengevaluasi secara struktural, dan memprioritaskan target yang menjanjikan dengan cepat, memadatkan pencarian yang sebelumnya terpecah di banyak basis data menjadi satu sesi.
Peptida antimikroba (AMP), khususnya bakteriosin, menawarkan alternatif yang menjanjikan bagi antibiotik tradisional karena secara alami telah berevolusi untuk menyerang kelemahan mendasar pada bakteri pesaing, sehingga sulit bagi patogen untuk mengembangkan resistensi. Miliaran urutan alami masih terkunci di dalam "materi gelap" yang tidak beranotasi pada basis data protein. Untuk menjembatani celah ini, Google mengembangkan Prot NLM (Protein Natural Language Model), model pembelajaran mendalam yang dilatih untuk membaca "tata bahasa" evolusioner dari urutan asam amino. Model ini memperkaya jutaan entri UniProt yang sebelumnya belum diberi nama dengan label fungsi berkeyakinan tinggi.
Di Antigravity, seorang peneliti dan agen AI menetapkan tujuan biologis yang terfokus: menemukan dan memvalidasi secara komputasional AMP baru pada Streptococcus pseudopneumoniae. Peneliti mengarahkan strategi ilmiah, sementara agen menangani orkestrasi lintas basis data, analisis struktural, dan sintesis literatur. Kandidat yang dihasilkan menunjukkan aktivitas yang diprediksi terhadap patogen yang terlibat dalam infeksi saluran pernapasan dan kini sedang menjalani validasi laboratorium basah.
Pendekatan ini menurunkan hambatan bagi alur kerja biologi sehari-hari, memungkinkan peneliti bergerak dari data urutan ke kandidat yang terprioritaskan jauh lebih cepat daripada sebelumnya.
Sumber: Google DeepMind Blog · Diringkas oleh HeadlinesBriefing