Accelerating the search for antimicrobial peptides with Google Antigravity

Rising antimicrobial resistance is one of the most pressing global health crises of our time and could result in an estimated 10 million annual deaths globally by 2050. New antibiotics are urgently needed, but searching for new therapeutics is often a slow, labor-intensive process. With Google Antigravity, our agentic development platform, this process can now be made easier. Google Antigravity provides an agentic science workbench that empowers biologists to discover, structurally evaluate, and prioritize promising targets quickly, compressing what used to be a fragmented search over multiple databases into a single session.

Antimicrobial peptides (AMPs), particularly bacteriocins, offer a promising alternative to traditional antibiotics because they have naturally evolved to target fundamental vulnerabilities in competing bacteria, making it difficult for pathogens to develop resistance. Many billions of natural sequences remain locked within the unannotated "dark matter" of protein databases. To bridge this gap, Google developed Prot NLM (Protein Natural Language Model), a deep learning model trained to read the evolutionary "grammar" of amino acid sequences. It enriches millions of previously unnamed UniProt entries with high-confidence functional labels.

Working in Antigravity, a researcher and an AI agent set a focused biological goal: find and computationally validate novel AMPs in Streptococcus pseudopneumoniae. The researcher steers the scientific strategy, while the agent handles cross-database orchestration, structural analysis, and literature synthesis. The resulting candidate shows predicted activity against pathogens involved in respiratory tract infections. It is now undergoing wet-lab validation.

The approach lowers the barrier to everyday biological workflows, letting researchers move from sequence data to prioritized candidates far faster than before.

يُعد تزايد مقاومة مضادات الميكروبات من أخطر الأزمات الصحية العالمية في عصرنا، إذ قد تؤدي إلى نحو 10 ملايين وفاة سنوياً في العالم بحلول عام 2050. ثمة حاجة عاجلة إلى مضادات حيوية جديدة، غير أن البحث عن علاجات جديدة غالباً ما يكون عملية بطيئة وكثيفة العمل. ومع Google Antigravity، منصة التطوير الوكيلة لدينا، أصبح بالإمكان تسهيل هذه العملية الآن. توفر Google Antigravity مساحة عمل علمية وكيلية تمكّن علماء الأحياء من اكتشاف الأهداف الواعدة وتقييمها بنيوياً وترتيب أولوياتها بسرعة، إذ تختصر ما كان بحثاً مجزأً عبر عدة قواعد بيانات إلى جلسة واحدة.

تمثل الببتيدات المضادة للميكروبات (AMPs)، وبخاصة البكتيريوسينات، بديلاً واعداً عن المضادات الحيوية التقليدية، إذ تطورت طبيعياً لاستهداف نقاط الضعف الأساسية في البكتيريا المنافسة، مما يجعل من الصعب على مسببات الأمراض تطوير المقاومة. لا تزال مليارات التسلسلات الطبيعية محتجزة داخل «المادة المظلمة» غير المشروحة في قواعد بيانات البروتينات. ولسد هذه الفجوة، طورت Google نموذج Prot NLM (نموذج اللغة الطبيعية للبروتينات)، وهو نموذج تعلّم عميق مدرب على قراءة «القواعد» التطورية لتسلسلات الأحماض الأمينية. ويُثري هذا النموذج ملايين من مدخلات UniProt التي لم تكن مسماة من قبل بتسميات وظيفية عالية الموثوقية.

في Antigravity، حدد باحث ووكيل ذكاء اصطناعي هدفاً بيولوجياً محدداً: إيجاد ببتيدات مضادة للميكروبات جديدة في Streptococcus pseudopneumoniae والتحقق منها حاسوبياً. يوجّه الباحث الاستراتيجية العلمية، بينما يتولى الوكيل تنسيق البحث عبر قواعد البيانات والتحليل البنيوي وتجميع الأدبيات. ويُظهر المرشح الناتج نشاطاً متوقعاً ضد مسببات الأمراض المرتبطة بعدوى الجهاز التنفسي، وهو قيد التحقق المخبري حالياً.

يخفض هذا النهج الحاجز أمام سير العمل البيولوجي اليومي، فيتيح للباحثين الانتقال من بيانات التسلسلات إلى مرشحين مرتبين حسب الأولوية بسرعة أكبر بكثير مما كان ممكناً من قبل.

অ্যান্টিমাইক্রোবিয়াল রেজিস্ট্যান্স বৃদ্ধি আমাদের সময়ের সবচেয়ে জরুরি বৈশ্বিক স্বাস্থ্য সংকটগুলোর একটি এবং ২০৫০ সালের মধ্যে বিশ্বজুড়ে প্রতি বছর আনুমানিক ১০ মিলিয়ন মৃত্যু ঘটাতে পারে। নতুন অ্যান্টিবায়োটিকের তীব্র প্রয়োজন, কিন্তু নতুন চিকিৎসা খোঁজা প্রায়ই ধীর এবং শ্রমনির্ভর একটি প্রক্রিয়া। আমাদের এজেন্টিক ডেভেলপমেন্ট প্ল্যাটফর্ম Google Antigravity-এর মাধ্যমে এখন এই প্রক্রিয়াকে আরও সহজ করা সম্ভব। Google Antigravity একটি এজেন্টিক বিজ্ঞান ওয়ার্কবেঞ্চ প্রদান করে, যা জীববিজ্ঞানীদের আশাব্যঞ্জক লক্ষ্যবস্তু দ্রুত আবিষ্কার, কাঠামোগতভাবে মূল্যায়ন এবং অগ্রাধিকার নির্ধারণে সক্ষম করে, এবং আগে একাধিক ডেটাবেসে বিক্ষিপ্তভাবে চালানো অনুসন্ধানকে একটি একক সেশনে একত্র করে।

অ্যান্টিমাইক্রোবিয়াল পেপটাইড (AMPs), বিশেষ করে ব্যাকটেরিওসিন, ঐতিহ্যবাহী অ্যান্টিবায়োটিকের একটি আশাব্যঞ্জক বিকল্প, কারণ তারা প্রাকৃতিকভাবে প্রতিযোগী ব্যাকটেরিয়ার মৌলিক দুর্বলতাগুলোকে লক্ষ্য করে বিকশিত হয়েছে, ফলে রোগজীবাণুর পক্ষে প্রতিরোধ গড়ে তোলা কঠিন। প্রোটিন ডেটাবেসের টীকাবিহীন "ডার্ক ম্যাটার"-এর ভেতরে এখনও বিলিয়ন বিলিয়ন প্রাকৃতিক সিকোয়েন্স আবদ্ধ রয়ে গেছে। এই ফাঁক পূরণে Google Prot NLM (Protein Natural Language Model) তৈরি করেছে, যা অ্যামিনো অ্যাসিড সিকোয়েন্সের বিবর্তনীয় "ব্যাকরণ" পাঠ করতে প্রশিক্ষিত একটি ডিপ লার্নিং মডেল। এটি আগে নামহীন থাকা লক্ষ লক্ষ UniProt এন্ট্রিকে উচ্চ-আস্থার কার্যকরী লেবেল দিয়ে সমৃদ্ধ করে।

Antigravity-তে কাজ করতে গিয়ে একজন গবেষক ও একটি AI এজেন্ট একটি সুনির্দিষ্ট জৈবিক লক্ষ্য নির্ধারণ করেন: Streptococcus pseudopneumoniae-তে নতুন AMP খুঁজে বের করা এবং গণনার মাধ্যমে তাদের যাচাই করা। গবেষক বৈজ্ঞানিক কৌশল পরিচালনা করেন, আর এজেন্ট বিভিন্ন ডেটাবেসের সমন্বয়, কাঠামোগত বিশ্লেষণ ও সাহিত্য সংশ্লেষণের ভারী কাজ সামলায়। ফলাফল প্রার্থীটি শ্বাসতন্ত্রের সংক্রমণে জড়িত রোগজীবাণুর বিরুদ্ধে সম্ভাব্য কার্যকারিতা দেখায় এবং এখন ওয়েট-ল্যাব যাচাইয়ের পর্যায়ে রয়েছে।

এই পদ্ধতি প্রতিদিনের জৈবিক কর্মপ্রবাহের বাধা কমিয়ে দেয়, যার ফলে গবেষকরা আগের চেয়ে অনেক দ্রুত সিকোয়েন্স ডেটা থেকে অগ্রাধিকারপ্রাপ্ত প্রার্থীর দিকে এগোতে পারেন।

Die zunehmende Antibiotikaresistenz ist eine der drängendsten globalen Gesundheitskrisen unserer Zeit und könnte bis 2050 weltweit schätzungsweise 10 Millionen Todesfälle pro Jahr verursachen. Neue Antibiotika werden dringend benötigt, doch die Suche nach neuen Therapien ist oft ein langsamer und arbeitsintensiver Prozess. Mit Google Antigravity, unserer agentischen Entwicklungsplattform, kann dieser Prozess nun vereinfacht werden. Google Antigravity bietet eine agentische Werkbank für die Wissenschaft, die Biologen befähigt, vielversprechende Zielstrukturen schnell zu finden, strukturell zu bewerten und zu priorisieren. Was früher eine zersplitterte Suche über mehrere Datenbanken war, wird so in einer einzigen Sitzung zusammengeführt.

Antimikrobielle Peptide (AMPs), insbesondere Bakteriozine, bieten eine vielversprechende Alternative zu herkömmlichen Antibiotika, da sie sich natürlicherweise so entwickelt haben, dass sie grundlegende Schwachstellen konkurrierender Bakterien angreifen, wodurch es für Krankheitserreger schwierig ist, Resistenzen zu entwickeln. Milliarden natürlicher Sequenzen sind noch in der unannotierten "Dunklen Materie" der Proteindatenbanken gefangen. Um diese Lücke zu schließen, hat Google Prot NLM (Protein Natural Language Model) entwickelt, ein Deep-Learning-Modell, das darauf trainiert ist, die evolutionäre "Grammatik" von Aminosäuresequenzen zu lesen. Es reichert Millionen bisher unbenannter UniProt-Einträge mit hochzuverlässigen Funktionsmarkierungen an.

In Antigravity legten ein Forscher und ein KI-Agent ein klares biologisches Ziel fest: neue AMPs in Streptococcus pseudopneumoniae zu finden und rechnerisch zu validieren. Der Forscher steuert die wissenschaftliche Strategie, während der Agent die datenbankübergreifende Koordination, die Strukturanalyse und die Literaturauswertung übernimmt. Der resultierende Kandidat zeigt eine vorhergesagte Wirkung gegen Krankheitserreger, die mit Atemwegsinfektionen in Verbindung stehen, und wird derzeit im Nasslabor validiert.

Der Ansatz senkt die Hürden für alltägliche biologische Arbeitsabläufe und ermöglicht Forschenden, deutlich schneller von Sequenzdaten zu priorisierten Kandidaten zu gelangen als bisher.

La creciente resistencia a los antimicrobianos es una de las crisis sanitarias mundiales más urgentes de nuestro tiempo y podría provocar unos 10 millones de muertes anuales en todo el mundo para 2050. Se necesitan con urgencia nuevos antibióticos, pero la búsqueda de nuevos tratamientos suele ser un proceso lento y con mucha carga de trabajo. Con Google Antigravity, nuestra plataforma de desarrollo agéntica, este proceso ahora puede simplificarse. Google Antigravity proporciona un banco de trabajo científico agéntico que permite a los biólogos descubrir, evaluar estructuralmente y priorizar rápidamente objetivos prometedores, reuniendo en una sola sesión lo que antes era una búsqueda fragmentada en múltiples bases de datos.

Los péptidos antimicrobianos (AMP), en particular las bacteriocinas, son una alternativa prometedora a los antibióticos tradicionales porque han evolucionado de forma natural para atacar vulnerabilidades fundamentales de las bacterias competidoras, lo que dificulta que los patógenos desarrollen resistencia. Miles de millones de secuencias naturales siguen encerradas en la «materia oscura» sin anotar de las bases de datos de proteínas. Para salvar esta brecha, Google desarrolló Prot NLM (Modelo de Lenguaje Natural de Proteínas), un modelo de aprendizaje profundo entrenado para leer la «gramática» evolutiva de las secuencias de aminoácidos. Enriquece millones de entradas de UniProt que antes no tenían nombre con etiquetas funcionales de alta confianza.

Trabajando en Antigravity, un investigador y un agente de IA se fijaron un objetivo biológico concreto: encontrar y validar computacionalmente nuevos AMP en Streptococcus pseudopneumoniae. El investigador dirige la estrategia científica, mientras que el agente se encarga de la coordinación entre bases de datos, el análisis estructural y la síntesis bibliográfica. El candidato resultante muestra actividad predicha contra patógenos implicados en infecciones del tracto respiratorio y actualmente se encuentra en validación en laboratorio húmedo.

El enfoque reduce la barrera para los flujos de trabajo biológicos cotidianos, permitiendo a los investigadores pasar de los datos de secuencias a candidatos priorizados mucho más rápido que antes.

La résistance croissante aux antimicrobiens est l'une des crises sanitaires mondiales les plus pressantes de notre époque, et pourrait entraîner environ 10 millions de décès par an dans le monde d'ici 2050. De nouveaux antibiotiques sont urgemment nécessaires, mais la recherche de nouveaux traitements est souvent un processus lent et laborieux. Avec Google Antigravity, notre plateforme de développement agentique, ce processus peut désormais être simplifié. Google Antigravity fournit un banc de travail scientifique agentique qui permet aux biologistes de découvrir, d'évaluer structurellement et de hiérarchiser rapidement des cibles prometteuses, en regroupant en une seule session ce qui était auparavant une recherche fragmentée dans plusieurs bases de données.

Les peptides antimicrobiens (AMP), en particulier les bactériocines, constituent une alternative prometteuse aux antibiotiques traditionnels, car ils ont évolué naturellement pour cibler les faiblesses fondamentales des bactéries concurrentes, ce qui rend difficile le développement de résistances par les agents pathogènes. Des milliards de séquences naturelles restent enfermées dans la « matière noire » non annotée des bases de données de protéines. Pour combler ce fossé, Google a développé Prot NLM (Protein Natural Language Model), un modèle d'apprentissage profond entraîné à lire la « grammaire » évolutive des séquences d'acides aminés. Il enrichit des millions d'entrées UniProt auparavant sans nom avec des étiquettes fonctionnelles à haute confiance.

Dans Antigravity, un chercheur et un agent d'IA se sont fixé un objectif biologique précis : trouver et valider par calcul de nouveaux AMP chez Streptococcus pseudopneumoniae. Le chercheur oriente la stratégie scientifique, tandis que l'agent prend en charge l'orchestration entre bases de données, l'analyse structurelle et la synthèse de la littérature. Le candidat obtenu présente une activité prédite contre des agents pathogènes impliqués dans les infections des voies respiratoires et fait actuellement l'objet d'une validation en laboratoire humide.

Cette approche abaisse la barrière des flux de travail biologiques quotidiens, permettant aux chercheurs de passer des données de séquences à des candidats hiérarchisés beaucoup plus rapidement qu'auparavant.

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।

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.

抗菌薬耐性の高まりは、現代で最も切迫した世界的な健康危機の一つであり、2050年までに世界で年間約1,000万人の死亡につながる可能性があると推定されています。新しい抗生物質が緊急に必要とされていますが、新たな治療薬を探す作業はしばしば遅く、労力を要するプロセスです。当社のエージェント型開発プラットフォームであるGoogle Antigravityにより、このプロセスはより容易になりつつあります。Google Antigravityはエージェント型の科学ワークベンチを提供し、生物学者が有望な標的を迅速に発見し、構造的に評価し、優先順位を付けられるようにします。これまで複数のデータベースにまたがって断片的に行われていた探索を、1つのセッションにまとめます。

抗菌ペプチド（AMP）、特にバクテリオシンは、従来の抗生物質に代わる有望な選択肢です。競合する細菌の基本的な弱点を標的とするように自然に進化してきたため、病原体が耐性を獲得しにくいという特徴があります。タンパク質データベースの注釈が付いていない「ダークマター」には、数十億もの天然配列がまだ閉じ込められたままです。このギャップを埋めるため、GoogleはProt NLM（Protein Natural Language Model）を開発しました。これは、アミノ酸配列の進化的な「文法」を読み取るように訓練されたディープラーニングモデルです。これにより、以前は名前が付けられていなかった数百万のUniProtエントリに、信頼性の高い機能ラベルが付与されます。

Antigravityでの作業では、研究者とAIエージェントが明確な生物学的目標を設定しました。それは、Streptococcus pseudopneumoniaeにおける新規AMPを見つけ、計算によって検証することです。研究者が科学的戦略を主導し、エージェントはデータベース横断の調整、構造解析、文献の統合といった作業を担当します。得られた候補は、呼吸器感染症に関わる病原体に対して活性が予測されており、現在はウェットラボでの検証が進められています。

この手法は日常的な生物学のワークフローへの参入障壁を下げ、研究者が配列データから優先順位付けされた候補にたどり着くまでの時間を、これまでよりはるかに短縮します。

A crescente resistência antimicrobiana é uma das crises globais de saúde mais urgentes do nosso tempo e pode resultar em cerca de 10 milhões de mortes anuais no mundo até 2050. Novos antibióticos são urgentemente necessários, mas a busca por novas terapias costuma ser um processo lento e trabalhoso. Com o Google Antigravity, nossa plataforma de desenvolvimento agêntico, esse processo agora pode ser facilitado. O Google Antigravity oferece uma bancada de trabalho científica agêntica que capacita biólogos a descobrir, avaliar estruturalmente e priorizar rapidamente alvos promissores, condensando em uma única sessão o que antes era uma busca fragmentada em vários bancos de dados.

Os peptídeos antimicrobianos (AMPs), particularmente as bacteriocinas, oferecem uma alternativa promissora aos antibióticos tradicionais, pois evoluíram naturalmente para atingir vulnerabilidades fundamentais de bactérias concorrentes, dificultando o desenvolvimento de resistência pelos patógenos. Bilhões de sequências naturais continuam presos na "matéria escura" não anotada dos bancos de dados de proteínas. Para preencher essa lacuna, o Google desenvolveu o Prot NLM (Protein Natural Language Model), um modelo de aprendizado profundo treinado para ler a "gramática" evolutiva das sequências de aminoácidos. Ele enriquece milhões de entradas do UniProt antes sem nome com rótulos funcionais de alta confiança.

Trabalhando no Antigravity, um pesquisador e um agente de IA definiram um objetivo biológico específico: encontrar e validar computacionalmente novos AMPs em Streptococcus pseudopneumoniae. O pesquisador conduz a estratégia científica, enquanto o agente cuida da orquestração entre bancos de dados, da análise estrutural e da síntese da literatura. O candidato resultante apresenta atividade prevista contra patógenos envolvidos em infecções do trato respiratório e está atualmente em validação em laboratório.

A abordagem reduz a barreira para os fluxos de trabalho biológicos do dia a dia, permitindo que pesquisadores avancem dos dados de sequências até candidatos priorizados muito mais rapidamente do que antes.

Растущая устойчивость к противомикробным препаратам — один из самых острых глобальных кризисов в области здравоохранения нашего времени: по оценкам, к 2050 году она может приводить к примерно 10 миллионам смертей ежегодно во всем мире. Новые антибиотики срочно необходимы, однако поиск новых методов лечения часто бывает медленным и трудоемким процессом. С помощью Google Antigravity, нашей платформы для агентной разработки, этот процесс теперь можно упростить. Google Antigravity предоставляет агентную научную рабочую среду, которая позволяет биологам быстро находить, структурно оценивать и ранжировать перспективные мишени, объединяя в одной сессии то, что раньше было фрагментированным поиском по нескольким базам данных.

Антимикробные пептиды (AMP), в частности бактериоцины, представляют собой перспективную альтернативу традиционным антибиотикам, поскольку в ходе естественной эволюции они научились поражать фундаментальные уязвимости конкурирующих бактерий, из-за чего патогенам трудно вырабатывать устойчивость. Миллиарды природных последовательностей до сих пор скрыты в неаннотированной «темной материи» белковых баз данных. Чтобы преодолеть этот разрыв, Google разработала Prot NLM (Protein Natural Language Model), модель глубокого обучения, обученную читать эволюционную «грамматику» аминокислотных последовательностей. Она обогащает миллионы ранее безымянных записей UniProt функциональными метками с высокой степенью достоверности.

Работая в Antigravity, исследователь и ИИ-агент поставили перед собой конкретную биологическую задачу: найти и вычислительно подтвердить новые AMP у Streptococcus pseudopneumoniae. Исследователь определяет научную стратегию, а агент берет на себя координацию работы с базами данных, структурный анализ и синтез литературы. Полученный кандидат демонстрирует предсказанную активность против патогенов, связанных с инфекциями дыхательных путей, и в настоящее время проходит лабораторную валидацию.

Этот подход снижает барьер для повседневных биологических рабочих процессов и позволяет исследователям гораздо быстрее переходить от данных о последовательностях к ранжированным кандидатам.

抗菌素耐药性的上升是我们这个时代最紧迫的全球健康危机之一，据估计到2050年可能每年导致1000万人死亡。目前迫切需要新的抗生素，但寻找新疗法通常是一个缓慢且劳动密集型的过程。借助我们的智能体开发平台Google Antigravity，这一过程现在可以变得更加便捷。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、从结构上评估并排列有潜力的靶点，将过去需要在多个数据库中零散检索的工作压缩到一个会话中完成。

抗菌肽（AMPs），尤其是细菌素，是传统抗生素的一种有前景的替代方案，因为它们经过自然进化，能够针对竞争细菌的基本弱点发挥作用，因此病原体难以产生耐药性。数十亿条天然序列仍然被锁定在蛋白质数据库中未加注释的“暗物质”之中。为了弥合这一差距，Google开发了Prot NLM（蛋白质自然语言模型），这是一种深度学习模型，经过训练可以读取氨基酸序列的进化“语法”。它为数百万个此前未命名的UniProt条目补充了高可信度的功能标签。

在Antigravity中，研究人员与AI智能体共同设定了一个明确的生物学目标：在化脓链球菌假肺炎亚种中寻找并通过计算验证新型抗菌肽。研究人员把握科学策略方向，而智能体负责跨数据库编排、结构分析和文献综合。最终得到的候选物显示出对引起呼吸道感染的病原体具有预测活性，目前正在进行湿实验室验证。

这一方法降低了日常生物学工作流程的门槛，使研究人员能够比以往快得多地从序列数据推进到经过优先排序的候选物。