10 月 16 日消息，當前抗生素耐藥性問題不斷加劇，全球迫切需要新型抗生素，但新藥研發往往緩慢且過程繁瑣。穀歌推出的 Google Antigravity智能開發平臺，能夠有效簡化這一流程。

Google Antigravity 提供了智能科學工作臺，支持生物學家快速發現、結構評估和篩選潛在靶點，將原本需要跨多個數據庫的分散搜索整合到單次會話中。該平臺還借助 ProtNLM模型，幫助研究人員掃描 UniProt 資料庫中數百萬未表徵的蛋白質，該模型可直接從氨基酸序列預測生物功能。

研究人員已經通過 Google Antigravity 發現了一種新型抗菌肽候選分子，預測其對呼吸道感染病原體具有活性，目前該候選分子正在進行濕實驗室驗證。

記者援引博文介紹，抗菌肽，尤其是細菌素，是傳統抗生素很有前景的替代品。這類物質天然進化出靶向細菌基礎弱點的能力，病原體很難產生耐藥性。目前全球資料庫中已經積累了數十億天然氨基酸序列，但大量序列功能未被標注，仍處於“暗物質”狀態。

穀歌開發的 ProtNLM 深度學習模型，可以直接讀取氨基酸序列的進化“語法”，直接從原始蛋白質序列預測生物功能，為大量 UniProt 條目添加了高置信度功能標注。

在 Antigravity 平臺中，研究人員與 AI 智能體協作開展研究：研究者設定生物學目標、把控研究策略，智能體則負責跨資料庫協調、結構分析和文獻綜合等繁重工作。這種模式將原本需要數天的分散資料庫篩選，壓縮為單次協作會話，大幅降低了生物學研究的門檻。

平臺還內置了 Biomolecular Structure Viewer三維可視化工具，研究者和智能體可以在共用的 3D 畫布上協作。智能體可以從 AlphaFold 資料庫獲取結構，動態驅動可視化，高亮關鍵功能區域；研究者也可以在 3D 空間標記感興趣區域，向智能體提出問題，實現基於結構的互動式研究。

過往這類研發工作需要依賴分散的專業軟體，而 Google Antigravity 將完整的科學推理流程整合在一處，幫助研究人員更高效地遍曆廣闊的生物搜索空間，篩選出高置信度候選分子，讓科學家可以將更多時間投入到高質量假設驗證和實驗研究中。

來源：中國IT之家