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。
来源: Google DeepMind Blog · 由HeadlinesBriefing整理摘要